AcFlow：通过学习的条件激活流控制文本到图像的扩散 Transformer

文本到图像扩散 Transformer (DiT) 是强大的生成器，但直接提示为风格强度提供了有限的控制界面，并且无法抑制不需要的概念。为了实现这些控制，我们引入了 AcFlow，这是一种推理时间控制器，它通过学习的概念条件速度场传输中间层图像词元激活，同时保持基本 DiT 冻结。文本概念描述指定所需的干预，而集成范围提供连续的控制参数。该字段产生词元变化的、依赖于激活的更新。通过每个任务族中概念之间共享的参数，该领域支持细粒度的描述，并概括到训练期间未见过的概念，而无需每个概念拟合。在风格控制方面，AcFlow 在高风格对齐机制中的评估基线中实现了最佳的风格与内容权衡。在固定操作点，AcFlow 实现了 0.5365/0.2860 的样式-内容对齐，而具有最高样式对齐的基线为 0.4397/0.2684。定性结果表明对不同概念的抑制，包括直接提示失败的情况。我们的分析支持将学习的速度场作为自适应控制机制，更新方向因词元而异，并取决于其激活状态。我们的代码可在 https://github.com/Nove1yst/AcFlow 获取。