微軟開源圖片模型ART，可生成多圖層透明圖片

在圖像生成領域，多層圖像生成技術正逐漸改變用戶與生成模型的互動方式，允許用戶隔離、選擇並編輯特定的圖像層。近日，微軟研究人員推出了一種名爲 “Anonymous Region Transformer”（ART）的新型技術，它能夠根據全球文本提示和匿名區域佈局，直接生成可變多層透明圖像。

ART 的設計靈感來源於 “圖式理論”，通過採用匿名區域佈局，使生成模型可以自主決定哪些視覺信息與哪些文本信息對齊。這一方法與以往的語義佈局形成鮮明對比。傳統的語義佈局通常需要明確的對應關係，而 ART 的匿名區域佈局則提供了更大的靈活性。

值得注意的是，ART 引入了一種逐層區域裁剪機制，該機制只選擇與每個匿名區域相關的視覺信息，從而顯著降低了注意力計算的成本。這種方法不僅加快了生成速度，使其比全注意力方法快12倍以上，還有效減少了圖層之間的衝突，能夠處理50個以上不同層次的圖像生成。

此外，ART 還提出了一種高質量的多層透明圖像自編碼器，支持以聯合方式直接編碼和解碼可變多層圖像的透明度。這一創新設計爲精確控制和可擴展的層生成提供了新的可能性，進一步推動了交互式內容創作的發展。

項目:https://art-msra.github.io/

劃重點:

🌟 ART可根據全球文本提示和匿名區域佈局，直接生成多層透明圖像。  

⚡️ 採用逐層區域裁剪機制，顯著提高了圖像生成效率，比傳統方法快12倍。  

💡 新型高質量自編碼器支持多層透明圖像的精確控制與生成，推動交互式內容創作。