微软ART：文本驱动多层透明图像生成新突破

图像生成领域迎来革新：微软ART技术亮相

在图像生成领域，多层图像生成技术正逐渐改变用户与生成模型的互动模式，让用户能够隔离、选择和编辑特定的图像层。 近日，微软研究人员推出一种名为 “Anonymous Region Transformer”（ART）的新技术，它能够基于全局文本提示和匿名区域布局，直接生成可变多层透明图像。

ART设计理念：图式理论与匿名区域布局

ART 的设计灵感源于 “图式理论”，通过采用匿名区域布局，使得生成模型能够自主决定哪些视觉信息与哪些文本信息对齐。 这种方法与以往的语义布局形成鲜明对比。 传统的语义布局通常需要明确的对应关系，而ART的匿名区域布局则提供了更大的灵活性。

ART核心优势：高效逐层区域裁剪机制

值得关注的是，ART 引入了一种逐层区域裁剪机制，该机制只选择与每个匿名区域相关的视觉信息，从而显著降低了注意力计算的成本。 这种方法不仅加快了生成速度，使其比全注意力方法快12倍以上，还能有效减少图层之间的冲突，从而处理50个以上不同层次的图像生成。

ART创新：高质量多层透明图像自编码器

此外，ART 还提出了一种高质量的多层透明图像自编码器，支持以联合方式直接编码和解码可变多层图像的透明度。 这一创新设计为精确控制和可扩展的层生成提供了新的可能性，从而进一步推动了交互式内容创作的发展。

ART技术亮点总结

ART可根据全局文本提示和匿名区域布局，直接生成多层透明图像。

采用逐层区域裁剪机制，显著提高了图像生成效率，比传统方法快12倍。

新型高质量自编码器支持多层透明图像的精确控制与生成，推动交互式内容创作。