Domain Expansion of Image Generators：图像生成器的领域扩展

一句话结论

这篇工作把图像生成器的领域扩展问题单独拎出来，补强了 image-generation 里的域扩展路线。

问题定义

它要解决的是图像生成器如何稳定扩展到新领域的问题。对当前知识库来说，它补的是 image-generation 除了控制与个性化之外，面向 domain expansion 的一条重要支线。

方法概述

该工作围绕 image generators 的 domain expansion 展开，关注如何让生成模型在新领域中保持有效泛化与生成质量。

关键发现

它说明 image-generation 的扩展不只是在单域内做更好生成，也包括跨域扩展能力。
它能帮助以后分析“预训练基础模型 + 小量适配”在新领域到底够不够。
它为未来开题时做 domain adaptation / specialization 方向提供了直接参考。

局限或疑问

领域扩展问题常与数据质量和预训练分布耦合。
它更偏扩展能力，不直接对应编辑控制。
它是重要主线补层，但不是统一多任务接口本身。

原始链接

https://arxiv.org/abs/2301.05225
https://arxiv.org/pdf/2301.05225

备注

这篇工作在库里的作用，是把 image-generation 的 domain expansion 路线补成明确分支。

Metadata

{ "id": "2026-04-14-domain-expansion-image-generators", "type": "source", "title": "Domain Expansion of Image Generators（CVPR 2023）：图像生成器的领域扩展", "status": "reviewed", "created": "2026-04-14", "updated": "2026-04-15", "venue": "CVPR 2023", "ingested_at": "2026-04-14", "tags": [ "near-cvpr-2025", "image-generation", "primary-source" ], "note_status": "reviewed", "source_type": "paper", "authors": [ "Nitzan, Yotam", "Gharbi, Michaël", "Zhang, Richard", "Park, Taesung", "Zhu, Jun-Yan", "Cohen-Or, Daniel", "Shechtman, Eli" ], "published_at": "2023/01/12", "canonical_links": [ "https://arxiv.org/abs/2301.05225", "https://arxiv.org/pdf/2301.05225" ], "raw_entry": "raw/ingest/2026-04-14-domain-expansion-image-generators/", "topics": [ "topics/image-generation" ], "entities": [ "entities/unified-image-generation-editing" ], "claims": [], "questions": [ "questions/question-will-unified-image-models-sustain-their-advantage" ] }

Domain Expansion of Image Generators图像生成器的领域扩展