HyperAI

1. Einführung in das Tutorial

USO ist ein einheitliches Framework zur Entkopplung und Reorganisation von Inhalt und Stil, das im August 2025 vom UXO-Team von Bytedance eingeführt wurde. Es kann jedes Motiv mit jedem Stil in jeder Szene frei kombinieren, um Bilder mit hoher Motivkonsistenz, starker Stiltreue und natürlichem, nicht-plastischem Eindruck zu erzeugen. USO erstellt einen umfangreichen Triplet-Datensatz, verwendet ein entkoppeltes Lernschema, um Stilmerkmale gleichzeitig anzugleichen und Inhalt und Stil zu trennen, und führt Style-Reward-Learning (SRL) ein, um die Modellleistung weiter zu verbessern. USO veröffentlichte den USO-Bench-Benchmark für eine umfassende Bewertung von Stilähnlichkeit und Motivtreue. Experimente zeigen, dass USO sowohl hinsichtlich der Motivkonsistenz als auch der Stilähnlichkeit das höchste Niveau von Open-Source-Modellen erreicht hat. Die relevanten Ergebnisse der Studie lauten:USO: Einheitlicher Stil und themenorientierte Generierung durch entwirrtes und belohnendes Lernen".

Die in diesem Tutorial verwendeten Rechenressourcen sind eine einzelne RTX 4090-Karte.

2. Effektanzeige

Themen-/Identitätsorientierte Generation

Wenn Sie das Motiv in eine neue Szene einfügen möchten, verwenden Sie natürliche Sprache, z. B. „Der Hund/Mann/die Frau macht …“. Wenn Sie nur den Stil übertragen und das Layout beibehalten möchten, verwenden Sie Hinweise, z. B. „Übertragen Sie den Stil auf den Stil von …“. Bei der Porträtgenerierung zeichnet sich USO durch die Generierung von Bildern mit hoher Hautdetailliertheit aus. Praktische Anleitung: Verwenden Sie für Halbkörper-Hinweise Halbkörper-Nahaufnahmen; verwenden Sie Ganzkörperbilder, wenn sich Pose oder Bildausschnitt deutlich ändern.

Stilorientierte Generation

Laden Sie einfach ein oder zwei Bilder in Ihrem Stil hoch und erstellen Sie mithilfe natürlicher Sprache das gewünschte Bild. USO folgt Ihren Anweisungen und generiert Bilder, die zu dem von Ihnen hochgeladenen Stil passen.

Stilthema-gesteuerte Generierung

USO kann eine einzelne Inhaltsreferenz mithilfe von ein oder zwei Stilreferenzen formatieren. Für layouterhaltende Builds setzen Sie den Hinweis einfach auf „leer“.

Layouterhaltende Builds

Layout-Offset-Generierung

3. Bedienungsschritte

1. Starten Sie den Container

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

Spezifische Parameter:

Generierungsbreite: Bildbreite generieren.
Generierungshöhe: Die Höhe des generierten Bildes.
Eingabegröße beibehalten: Setzen Sie dies auf „True“, wenn Sie nur die Stilbearbeitung benötigen oder das Layout beibehalten möchten.
Erweiterte Optionen:
- Anzahl der Schritte: Steuert die Anzahl der Iterationen bei der Generierung des Diffusionsmodells. Eine höhere Anzahl von Schritten führt theoretisch zu einer höheren Bildqualität, erhöht aber auch die Generierungszeit.
- Anleitung: Steuert, inwieweit das generierte Bild dem Eingabewort und dem Referenzbild folgt.
- Größe der Inhaltsreferenz: Bei der Verarbeitung des Inhaltsreferenzbilds kann es vor der Merkmalsextraktion auf diese angegebene längste Seitenlänge skaliert werden (unter Beibehaltung des Seitenverhältnisses).
- Seed (-1 für Zufall): Steuert den Anfangszustand des Zufallszahlengenerators.

4. Diskussion

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓

Zitationsinformationen

Dank an den Github-Benutzer SuperYang Bereitstellung dieses Tutorials. Die Zitationsinformationen für dieses Projekt lauten wie folgt:

@article{wu2025uso,
    title={USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning},
    author={Shaojin Wu and Mengqi Huang and Yufeng Cheng and Wenxu Wu and Jiahe Tian and Yiming Luo and Fei Ding and Qian He},
    year={2025},
    eprint={2508.18966},
    archivePrefix={arXiv},
    primaryClass={cs.CV},
}