通过从图像领域选择代表性的成功应用模型来突显在无监督设置中实现文本领域的表征分离的挑战，我们评估了这些模型在 6 个分离度量、下游分类任务和同伦方面的性能。我们提出了两个具有已知生成因素的合成数据集，以促进评估。我们的实验强调了文本领域中存在的差距，并说明了一些因素，如表征稀疏性（作为归纳偏差）或与解码器的表征耦合，可能会影响分离效果。据我们所知，我们的工作是关于无监督表征分离和文本交叉领域的第一次尝试，并为研究该方向的未来发展提供了实验框架和数据集。

Jun, 2021

本文提出了一种文本场景分解任务，并介绍了一种基于掩模增强的输入方法和一个新颖的两阶段自定义过程，用于针对生成图像中的特定概念进行微调，并使用多种自动度量标准和用户研究，验证了该方法的有效性。

May, 2023

通过CatVersion方法，在扩散模型的文本编码器的特征密集空间上连接嵌入，通过学习个性化概念与其基准类之间的差距来最大限度地保留先前知识，从而实现文本到图像的个性化转换，并利用改进的CLIP图像对齐得分来量化结果，展现出更忠实和更强大的编辑效果。

Nov, 2023

以几张图片为输入，定制化文本到图像生成技术DETEX的创新方法通过学习多个单词嵌入来表示每个图像，包括可以共享的主题嵌入和多个图像特定的非主题嵌入，以便解耦不相关的属性，并利用联合训练策略鼓励这些不相关的嵌入捕捉无关信息。在推理过程中，仅使用主题嵌入进行图像生成，同时选择性地使用图像特定的嵌入以保留图像特定的属性。经过广泛实验证明，我们的方法获得的主题嵌入可以忠实地表示目标概念，并显示出与最先进方法相比的优越编辑性能。

Dec, 2023

通过初始化方法的研究，我们提出了一种称为Cross Initialization的新型初始化方法，它明显缩小了初始嵌入和学习嵌入之间的差距，通过与正则化项相结合，有效提高了可编辑性，并在编辑人脸表情方面取得了成功，同时实现了较快的图像捕获速度和较好的重建和可编辑性。

Dec, 2023

我们提出了一个概念驱动的文本到图像（TTI）个性化框架，通过学习用户提供的图像示例中的概念，以及一种交替优化过程，进一步改进了现有的TTI模型，使其能够生成具有多个交互概念的图像。

Feb, 2024

使用AttenCraft方法，我们提出了一种基于注意力引导的多概念解缠方法，它使用了自注意力和交叉注意力图来生成精确的概念掩模，并在训练过程中应用于每个目标概念的交叉注意力激活，从而在图像对齐方面优于基线模型，并在文本对齐方面表现相当。

May, 2024

该研究针对文本到图像个性化合成过程中的限制性问题，分析了两种主要技术（文本反转和DreamBooth）的不足之处，并引入了一种名为AttnDreamBooth的新方法来解决这些问题，通过在不同的训练阶段分别学习嵌入对齐、注意力图和主体身份。同时，采用交叉注意力图正则化项来增强对注意力图的学习，相较于基准方法，我们的方法在保护身份信息和文本对齐方面取得了显著改进。

Jun, 2024

本研究解决了文本到图像个性化中身份保护与文本对齐之间的矛盾。我们提出了上下文正则化（CoRe），通过优化文本编码器输入的嵌入空间，改善新概念的文本嵌入学习。实验结果表明，CoRe在身份保护和文本对齐方面优于多个基准方法，为图像合成提供了更准确的语义理解。

Aug, 2024

本研究解决了文本到图像模型在仅使用单个参考图像时，个性化生成效果下降的问题。通过提出选择性微调策略和三种关键技术，显著提升了个性化性能，研究结果表明该方法能够高效生成高质量、多样化的图像，且大幅降低存储和内存需求。

Sep, 2024