ArticleMetadataMain page

source · 2026-04-15

DreamBooth（CVPR 2023）：面向主体驱动生成的文本到图像扩散微调

#near-cvpr-2025#image-generation#image-editing#primary-source

DreamBooth（CVPR 2023）：面向主体驱动生成的文本到图像扩散微调

会议：CVPR 2023
发表日期：2023-01-01
资料加入日期：2026-04-14

一句话结论

这篇工作把“少样本个性化生成”推成了图像生成的重要方向，也让后续生成与编辑的边界进一步变薄。

问题定义

它要解决的是文本到图像扩散模型难以在极少样本下可靠绑定特定主体、概念或身份的问题。对当前知识库来说，这类工作很关键，因为它把通用生成模型往个性化与可控生成方向推进。

方法概述

DreamBooth 通过少量样本微调文本到图像扩散模型，使模型能在保留原有语义能力的同时学习一个具体主体的概念表示。它的重要性在于，它不是单纯提高画质，而是扩展了“生成模型可以被怎样定制”。

关键发现

  • 它是主体驱动生成和个性化生成路线的重要锚点。
  • 它说明通用生成模型可以通过较少样本获得更强的个性化能力。
  • 它也帮助解释为什么后续统一生成/编辑模型会越来越重视概念绑定和身份保持。

局限或疑问

  • 它更偏个性化生成，不直接等于通用图像编辑框架。
  • 微调式方法在泛化、遗忘和版权层面都有后续问题。
  • 它代表的是个性化能力扩展，不是统一模型路线的终局。

原始链接

  • https://arxiv.org/abs/2208.12242
  • https://arxiv.org/pdf/2208.12242.pdf

相关页面

备注

DreamBooth 的价值在于，它把 image-generation 从“能生成什么”推进到“能为谁生成、如何保持主体一致性”，这和后续编辑问题是紧密连着的。

Metadata

{
  "id": "2026-04-14-dreambooth",
  "type": "source",
  "title": "DreamBooth（CVPR 2023）：面向主体驱动生成的文本到图像扩散微调",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2023",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "image-generation",
    "image-editing",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Nataniel Ruiz",
    "Yuanzhen Li",
    "Varun Jampani",
    "Yael Pritch",
    "Michael Rubinstein",
    "Kfir Aberman"
  ],
  "published_at": "2023-01-01",
  "canonical_links": [
    "https://arxiv.org/abs/2208.12242",
    "https://arxiv.org/pdf/2208.12242.pdf"
  ],
  "raw_entry": "raw/ingest/2026-04-14-dreambooth/",
  "topics": [
    "topics/image-generation",
    "topics/image-editing"
  ],
  "entities": [
    "entities/unified-image-generation-editing"
  ],
  "claims": [
    "claims/claim-unified-models-may-outcompete-specialized-image-pipelines"
  ],
  "questions": [
    "questions/question-will-unified-image-models-sustain-their-advantage"
  ]
}