AI在线 AI在线

InstanceAssemble

​小红书联合复旦开源 InstanceAssemble：实现 AI 图像精准排版控制

​小红书联合复旦开源 InstanceAssemble：实现 AI 图像精准排版控制

近日，小红书与复旦大学联合发布了在布局控制生成（Layout-to-Image）领域的最新研究成果——InstanceAssemble。 这项技术旨在解决 AI 绘画中长期存在的“构图难”问题，通过创新的机制实现了从简单到复杂场景的精准图像生成。 据悉，相关论文已被人工智能顶级会议 NeurIPS2025收录。
12/26/2025 2:01:20 PM AI在线
小红书开源InstanceAssemble！轻量级布局可控生成框架，复杂多实例图像生成精度再突破

小红书开源InstanceAssemble！轻量级布局可控生成框架，复杂多实例图像生成精度再突破

在AIGC从“自由创作”迈向“精准控制”的关键阶段，小红书AIGC团队今日开源其全新布局可控图像生成框架——InstanceAssemble，专为解决高密度、多对象、复杂空间关系的Layout-to-Image任务而设计。 该框架在保持极低参数增量（最低仅0.84%）的前提下，显著提升生成图像的空间对齐精度与语义一致性，为电商、设计、游戏等高要求场景提供工业级解决方案。 级联建模 Assemble-Attention，破解“多物堆叠”难题传统Layout-to-Image模型在面对“10个商品图标 文字标签 背景图层”等复杂布局时，常出现对象错位、重叠或语义错配。
12/26/2025 9:57:05 AM AI在线
NIPS2025｜小红书智创AIGC团队提出布局控制生成新算法InstanceAssemble

NIPS2025｜小红书智创AIGC团队提出布局控制生成新算法InstanceAssemble

当下的文本生成图像扩散模型取得了长足进展，为图像生成引入布局控制（Layout-to-Image, L2I）成为可能。 然而，现有布局到图像生成方法在复杂场景下表现仍不理想：一方面，如何精确对齐给定布局并同时保持高画质是巨大挑战；另一方面，在扩散生成的逐步去噪过程中确保每个目标的位置与语义属性不偏离也极为困难。 此外，布局控制往往需要支持多模态条件（如文本、参考图等信息），这进一步增加了技术复杂度。
11/3/2025 4:59:00 PM 机器之心