SEAL：基于大规模贴纸标签数据集的语义感知单图像贴纸个性化技术

针对单参考图像扩散模型在生成个性化贴纸时易出现身份一致性差和上下文控制力弱的问题，研究人员提出了 SEAL 模块。该模块作为一个无需修改 U-Net 骨干网络的即插即用适配器，通过引入语义引导空间注意力损失、分合 Token 策略以及结构感知层限制三个核心组件，有效解决了过拟合难题。为支持属性级控制，团队同时发布了包含外观、情绪、动作、构图、风格及背景六类标签的大规模贴纸数据集 StickerBench。实验验证表明，SEAL 在保持身份一致性的同时显著提升了上下文可控性，相关代码与数据集将向公众开放。