通过 M-space 实现文本到图像 Diffusion Transformers 的免训练连续属性控制

基于摘要分析。本文研究预训练文本到图像 Diffusion Transformers（DiTs）能否直接利用内部条件表征，实现单个语义属性强度的连续调节。核心贡献是识别全局调制条件空间 M-space，并从配对文本提示词中提取属性方向，在不进行额外训练的情况下实现双向连续控制与多属性组合控制。 机制方面，M-space 中的共享条件表征用于生成各层的调制参数。作者构造仅在目标属性上不同的多组文本提示词，对其表征差分取平均，得到相应属性方向；沿该方向线性移动以调节属性强度，组合多个方向以同时操控多个属性。相较于训练低秩控制适配器或优化文本嵌入空间中的语义方向，该方法直接利用预训练 DiTs 的内部条件表征。摘要未提供方向归一化、移动幅度选择及多属性相互干扰的具体处理方式。 作者还引入 Self-Attention Map Blending（SAMB），用于编辑时保持与目标属性无关的内容；引入 Attention-Guided Modulation Routing（AGMR），用于实例级属性控制。两者的具体混合与路由规则尚未验证。作者报告，在文本到图像 DiTs 的定性与定量实验中，该免训练方法的连续属性控制性能与现有最先进方法相当；摘要未列出具体模型、数据集、指标、数值及对照设置，实验协议、消融及统计信息尚未验证。 本文主要研究对象是图像生成，而非 EEG 解码或 BCI。平台推测（待验证）：对具备共享条件表征和逐层调制机制的 EEG 条件生成模型，配对条件的表征差分可能提供可复用的控制方向；但这依赖可对齐的条件配对，以及目标属性与被试、通道等因素能够被区分。可借鉴方向提取与线性操控思路，文本提示词配对和空间注意力路由则需重新设计。低信噪比、跨被试差异、通道变化及小数据可能使方向混入非目标因素。一个小规模可证伪实验是在固定被试与通道配置下，仅改变一种明确生成条件，检验输出是否随移动幅度单调变化，同时核对非目标信号特征是否保持稳定；这不是已证实的 BCI 效果，已有 EEG 相关工作尚未检索确认。