MegaStyle：一貫性のあるテキストから画像へのスタイルマッピングによる多様でスケーラブルなスタイルデータセットの構築
MegaStyle: Constructing Diverse and Scalable Style Dataset via Consistent Text-to-Image Style Mapping
April 9, 2026
著者: Junyao Gao, Sibo Liu, Jiaxing Li, Yanan Sun, Yuanpeng Tu, Fei Shen, Weidong Zhang, Cairong Zhao, Jun Zhang
cs.AI
要旨
本論文では、スタイル内で一貫性があり、スタイル間で多様性が高く、高品質なスタイルデータセットを構築する、新規かつスケーラブルなデータキュレーションパイプライン「MegaStyle」を提案する。我々は、特定のスタイル記述から同一スタイルの画像を生成できる、現在の大規模生成モデルが持つ一貫性のあるテキストから画像へのスタイルマッピング能力を活用することでこれを実現する。この基盤に基づき、17万のスタイルプロンプトと40万のコンテンツプロンプトからなる多様でバランスの取れたプロンプトギャラリーを精選し、コンテンツとスタイルのプロンプトを組み合わせて大規模スタイルデータセット「MegaStyle-1.4M」を生成する。MegaStyle-1.4Mを用いて、表現力豊かでスタイル特化した表現を抽出するためのスタイルエンコーダ「MegaStyle-Encoder」を微調整するスタイル教師付きコントラスティブラーニングを提案し、FLUXベースのスタイル転換モデル「MegaStyle-FLUX」も学習する。大規模実験により、スタイルデータセットにおいてスタイル内一貫性の維持、スタイル間多様性、高品質性が重要であること、および提案するMegaStyle-1.4Mの有効性が実証された。さらに、MegaStyle-1.4Mで学習したMegaStyle-EncoderとMegaStyle-FLUXは、信頼性の高いスタイル類似性測定と一般化可能なスタイル転換を実現し、スタイル転換コミュニティへ重要な貢献をもたらす。詳細な結果はプロジェクトウェブサイト（https://jeoyal.github.io/MegaStyle/）で公開されている。
English
In this paper, we introduce MegaStyle, a novel and scalable data curation pipeline that constructs an intra-style consistent, inter-style diverse and high-quality style dataset. We achieve this by leveraging the consistent text-to-image style mapping capability of current large generative models, which can generate images in the same style from a given style description. Building on this foundation, we curate a diverse and balanced prompt gallery with 170K style prompts and 400K content prompts, and generate a large-scale style dataset MegaStyle-1.4M via content-style prompt combinations. With MegaStyle-1.4M, we propose style-supervised contrastive learning to fine-tune a style encoder MegaStyle-Encoder for extracting expressive, style-specific representations, and we also train a FLUX-based style transfer model MegaStyle-FLUX. Extensive experiments demonstrate the importance of maintaining intra-style consistency, inter-style diversity and high-quality for style dataset, as well as the effectiveness of the proposed MegaStyle-1.4M. Moreover, when trained on MegaStyle-1.4M, MegaStyle-Encoder and MegaStyle-FLUX provide reliable style similarity measurement and generalizable style transfer, making a significant contribution to the style transfer community. More results are available at our project website https://jeoyal.github.io/MegaStyle/.