LayerComposer: T2I Interattivo e Personalizzato tramite Canvas a Strati con Consapevolezza Spaziale

LayerComposer: Interactive Personalized T2I via Spatially-Aware Layered Canvas

October 23, 2025

Autori: Guocheng Gordon Qian, Ruihang Zhang, Tsai-Shien Chen, Yusuf Dalva, Anujraaj Argo Goyal, Willi Menapace, Ivan Skorokhodov, Meng Dong, Arpit Sahni, Daniil Ostashev, Ju Hu, Sergey Tulyakov, Kuan-Chieh Jackson Wang

cs.AI

Abstract

Nonostante l'impressionante fedeltà visiva, i modelli generativi personalizzati esistenti mancano di controllo interattivo sulla composizione spaziale e non scalano efficacemente con più soggetti. Per affrontare queste limitazioni, presentiamo LayerComposer, un framework interattivo per la generazione di immagini personalizzate multi-soggetto da testo. Il nostro approccio introduce due contributi principali: (1) una tela stratificata, una rappresentazione innovativa in cui ogni soggetto è posizionato su un layer distinto, consentendo una composizione senza occlusioni; e (2) un meccanismo di blocco che preserva i layer selezionati con alta fedeltà, permettendo agli altri strati di adattarsi flessibilmente al contesto circostante. Analogamente ai software professionali di fotoritocco, la tela stratificata proposta consente agli utenti di posizionare, ridimensionare o bloccare i soggetti in input attraverso un'intuitiva manipolazione dei layer. Il nostro versatile meccanismo di blocco non richiede modifiche architetturali, basandosi invece su embedding posizionali intrinseci combinati con una nuova strategia di campionamento dati complementare. Esperimenti estensivi dimostrano che LayerComposer raggiunge un controllo spaziale e una preservazione dell'identità superiori rispetto ai metodi state-of-the-art nella generazione di immagini personalizzate multi-soggetto.

English

Despite their impressive visual fidelity, existing personalized generative models lack interactive control over spatial composition and scale poorly to multiple subjects. To address these limitations, we present LayerComposer, an interactive framework for personalized, multi-subject text-to-image generation. Our approach introduces two main contributions: (1) a layered canvas, a novel representation in which each subject is placed on a distinct layer, enabling occlusion-free composition; and (2) a locking mechanism that preserves selected layers with high fidelity while allowing the remaining layers to adapt flexibly to the surrounding context. Similar to professional image-editing software, the proposed layered canvas allows users to place, resize, or lock input subjects through intuitive layer manipulation. Our versatile locking mechanism requires no architectural changes, relying instead on inherent positional embeddings combined with a new complementary data sampling strategy. Extensive experiments demonstrate that LayerComposer achieves superior spatial control and identity preservation compared to the state-of-the-art methods in multi-subject personalized image generation.