本文由 NUS ShowLab 主导完成。第一作者宋亦仁为新加坡国立大学 ShowLab@NUS 在读博士生，研究方向是视觉生成和多模态，在 CVPR、SIGGRAPH、NeurIPS 等国际顶级会议上发表多篇研究成果。共同一作刘成为 NUS 重庆研究院四年级本科生，研究方向是视觉生成。项目负责作者为该校校长青年教授寿政。
不久前，GPT-4o 的最新图像风格化与编辑能力横空出世，用吉卜力等风格生成的效果令人惊艳，也让我们清晰看到了开源社区与商业 API 在图像风格化一致性上的巨大差距。
目前，开源扩散模型在 image-to-image 风格迁移中普遍面临一个跷跷板困境：要想增强风格化效果，往往会牺牲细节、结构和语义一致性；而要保持一致性，风格表达则明显退化。
为了解决这一难题，我们提出 OmniConsistency，利用配对数据复现 GPT-4o 的出色风格化一致性，为开源生态注入接近商业级的能力。
论文标题：OmniConsistency: Learning Style-Agnostic Consistency from Paired Stylization Data
项目主页：showlab/OmniConsistency
论文链接：abs/2505.18445
Demo 试用链接：spaces/yiren98/OmniConsistency
0 条