MegaStyle: Построение разнообразного и масштабируемого набора данных о стилях с помощью согласованного отображения стилей из текста в изображение
MegaStyle: Constructing Diverse and Scalable Style Dataset via Consistent Text-to-Image Style Mapping
April 9, 2026
Авторы: Junyao Gao, Sibo Liu, Jiaxing Li, Yanan Sun, Yuanpeng Tu, Fei Shen, Weidong Zhang, Cairong Zhao, Jun Zhang
cs.AI
Аннотация
В данной статье мы представляем MegaStyle — новую и масштабируемую конвейерную систему курации данных, которая создает стилевой набор данных с внутристилевой согласованностью, межстилевым разнообразием и высоким качеством. Мы достигаем этого, используя способность современных больших генеративных моделей к согласованному отображению «текст-изображение» в заданном стиле, что позволяет генерировать изображения в одном стиле на основе текстового описания стиля. На этой основе мы создаем разнообразную и сбалансированную галерею промптов, содержащую 170 тыс. стилевых промптов и 400 тыс. контентных промптов, и генерируем крупномасштабный стилевой набор данных MegaStyle-1.4M путем комбинирования стилевых и контентных промптов. Используя MegaStyle-1.4M, мы предлагаем обучение стиль-контролируемого контрастного метода для тонкой настройки стилевого энкодера MegaStyle-Encoder с целью извлечения выразительных, специфичных для стиля представлений, а также обучаем модель переноса стиля на основе FLUX — MegaStyle-FLUX. Многочисленные эксперименты демонстрируют важность обеспечения внутристилевой согласованности, межстилевого разнообразия и высокого качества для стилевого набора данных, а также эффективность предложенного MegaStyle-1.4M. Более того, при обучении на MegaStyle-1.4M, MegaStyle-Encoder и MegaStyle-FLUX обеспечивают надежное измерение стилевого сходства и обобщаемый перенос стиля, внося значительный вклад в сообщество исследований по переносу стиля. Дополнительные результаты доступны на сайте нашего проекта https://jeoyal.github.io/MegaStyle/.
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/.