OmniControlNet：双阶段整合的条件图像生成
原文中文，约300字，阅读约需1分钟。发表于：。我们提供了一种双向集成的方法，将外部条件生成算法整合到一个密集预测方法中，并将其单独训练的图像生成过程合并到一个模型中。我们提出的 OmniControlNet 通过任务嵌入引导和文本嵌入引导，将条件生成和图像生成过程整合到一个模型中，从而显著降低了模型复杂性和冗余，并能够生成与条件文本到图像生成相媲美的图像。
本文提出了一种使用卷积神经网络的方法，可以在像素级别取得可靠对应。该模型同时作为密集特征描述符和特征检测器，在后期检测中获得比传统低级结构更稳定的关键点。该方法在难以定位的数据集和室内定位测试基准中表现出最先进的性能，并在其他图像匹配和3D重建基准测试中也有竞争力。
