CFLD：由粗到细的姿态引导人体图像生成。

主要观点总结

本文主要介绍了一种新的图像生成方法，针对姿态引导的人物图像合成（PGPIS）问题，提出了一种粗-细潜扩散（CFLD）方法。该方法克服了现有方法的局限性，通过一种新的纯粹基于图像的训练范式控制预训练的文本到图像扩散模型的生成过程。同时，提出了感知细化解码器和混合粒度关注模块，以提高图像生成的逼真度和控制精度。实验结果表明，CFLD方法优于目前最先进的PGPIS方法。

关键观点总结

关键观点1: 新的训练范式

提出了一种新的基于图像的训练范式，控制预训练的文本到图像扩散模型的生成过程，克服了将文本到图像扩散应用于PGPIS时的局限性。

关键观点2: 感知细化解码器

提出了感知细化解码器（PRD），旨在逐步细化一组可学习的查询，以提取人图像的语义理解。这允许在不同阶段分离细粒度的外观和姿态信息控制，避免了潜在的过拟合问题。

关键观点3: 混合粒度关注模块

提出了一种混合粒度关注模块（HGA），该模块能够增强粗粒度提示，使生成的图像纹理细节得到更好的控制，更加逼真。

关键观点4: 实验结果

在DeepFashion基准上的定量和定性实验结果都证明了CFLD方法优于目前最先进的PGPIS方法。