#USO模型

2个月前

USO（Unified Style-Subject Optimized 模型）是字节跳动提出的一个统一图像生成模型，融合了风格驱动生成与主体驱动生成两个任务，并通过创新的训练机制将它们整合在一个统一框架中，解决了二者长期以来分离、互相影响的问题。性能优势在 USO-Bench 和 DreamBench 评测中全面领先：主体一致性（CLIP-I, DINO）优于主流模型；风格相似性（CSD）显著超过 DEADiff、StyleStudio 等；图文匹配度（CLIP-T）保持高水平。关键技术三元组训练数据（Triplets）使用（内容图 + 风格图 + 结果图）作为训练样本，让模型学会分离风格与主体特征并融合。风格对齐训练（Style Alignment）采用视觉语言模型 SigLIP 提取高层次风格特征（如笔触、材质），并通过分层投影注入生成过程。风格奖励学习（Style Reward Learning, SRL）引入奖励机制，用预训练模型评估生成图像与目标风格的相似度，强化风格还原能力。功能主体驱动生成保留主体（如人物、宠物）特征，生成新背景或姿态。风格驱动生成仅凭风格参考图+文本生成对应风格的图像。风格+主体联合生成同时输入风格图和内容图，生成既保真又风格化的图像。多风格融合生成支持多张风格图混合生成（如油画+水彩）。布局保持生成仅改变风格，不改变原图布局与主体结构。

#USO模型 #图像生成 #风格驱动 #主体驱动 #字节跳动