用于文本到图像个性化的神经时空表示

基于摘要分析。本文研究文本到图像个性化中如何表示目标概念，提出同时依赖去噪时间步与去噪 U-Net 层位置的神经时空表示，以小型 neural mapper 的参数存储个性化概念，而不微调生成模型本身。 这里的“时间”指去噪过程的时间步，“空间”指 U-Net 的层位置，并非物理时空。每个概念在该表示中对应数百个向量，分别关联时间步与层位置的组合。为避免直接优化全部向量，作者训练一个接收当前时间与层位置参数的 neural mapper，输出相应 token embedding；该输出位于文本编码器的输入空间，使概念表示能够随生成过程中的条件变化。 作者还引入 textual bypass：neural mapper 额外输出一个残差，并将其加到文本编码器输出上。作者报告，这一设计能够改善概念学习的收敛与视觉保真度。此外，作者对隐式表示施加基于重要性的排序，使用户通过同一个训练模型控制概念重建与可编辑性，但摘要未交代排序的具体实现及控制方式。 作者报告，在多种概念与提示词上，该方法能够生成高质量、可控的组合，且无需微调生成模型参数。摘要未提供具体数据集、训练图像数量、评价指标、对照基线或存储开销，因此无法量化其相对收益；实验协议、消融及统计信息尚未验证。复现需进一步核对 neural mapper 结构、训练目标、时间步与层位置编码、残差注入方式及重要性排序规则。 本文的主要研究对象是图像生成个性化，而非 EEG 或 BCI。摘要未提供神经信号任务中的验证，也未建立明确的机制对应关系，不能将其生成质量结论视为 BCI 有效性的证据；相关 EEG 工作尚未检索确认。