在频率感知扩散模型中解耦双图像参考以实现个性化生成

基于摘要分析。本文研究以文本和双参考图像为条件的个性化图像生成，提出 Dual-FDM，通过频域掩码解耦参考图像中的不同频带，同时处理 customization style transfer 与 color style transfer。其主要研究对象是图像定制、颜色与风格迁移，而非神经信号建模。 作者将既有扩散模型在图像定制时的背景文本不对齐、以及风格迁移时的前景文本不对齐，归因于去噪过程中的混合频带纠缠。对于 customization style transfer，方法用定制参考图像前景的中频成分，替换风格参考图像背景的中频成分；对于 color style transfer，则用颜色参考图像前景与背景的低频成分，替换风格参考图像背景的低频成分。替换后的频带作为 key 和 value，用于重建去噪个性化图像前景与背景的 query。具体掩码构造、频带边界、训练方式及损失尚未验证。 作者报告，广泛实验表明 Dual-FDM 优于现有先进个性化图像生成扩散模型，但摘要未提供评估数据集、划分、对照模型、指标或数值，不能据此量化改进幅度。实验协议、消融及统计信息尚未验证。摘要提供了代码地址，但实现可用性、依赖、权重与复现条件尚未核对。 材料未提供 EEG/BCI 实验或具体应用对应关系；图像空间频率中的前景、背景与风格语义不能直接等同于 EEG 时间频段的功能含义，因此不将该结果视为 BCI 有效性的证据。已有 EEG 相关工作尚未检索确认。