break-a-scene

一张图拆出多个概念，用文字自由组合生成新图像

Break-A-Scene 是 SIGGRAPH Asia 2023 论文的官方实现，旨在从单张图像中提取多个概念（如物体、风格），并用于文本到图像的生成。它解决的是传统方法只能从单图提取单一概念或需要大量训练数据的问题，通过将图像分解为多个独立的文本表示（每个概念对应一个 token），用户可以用自然语言组合这些概念生成新图像。核心能力包括：概念分解与提取、基于文本的编辑与合成、以及支持风格迁移。技术栈基于扩散模型（如 Stable Diffusion），采用多模态编码器实现概念与文本的对齐。项目提供推理代码和预训练模型，但训练代码尚未完全开放，适合研究者和开发者探索个性化图像生成。