Cobra：基于更广泛参考的高效线稿上色方法

漫画制作行业需要高精度、高效、上下文一致且灵活可控的基于参考的线稿上色技术。漫画页面通常包含多种角色、物体和背景，这使得上色过程变得复杂。尽管在图像生成领域扩散模型取得了显著进展，但它们在线稿上色中的应用仍然有限，面临处理大量参考图像、耗时推理和灵活控制等方面的挑战。我们研究了大量上下文图像指导对线稿上色质量的必要性。为了解决这些挑战，我们引入了Cobra，这是一种高效且多功能的方法，支持颜色提示，并能利用超过200张参考图像，同时保持低延迟。Cobra的核心是因果稀疏DiT（Diffusion Transformer）架构，该架构通过特别设计的位置编码、因果稀疏注意力机制和键值缓存（Key-Value Cache），有效管理长上下文参考图像并确保颜色一致性。实验结果表明，Cobra通过大量上下文参考实现了准确的线稿上色，显著提高了推理速度和交互性，从而满足了行业的重要需求。我们已在项目页面上发布了代码和模型：https://zhuang2002.github.io/Cobra/。