AI繪畫領域迎來重要突破，小紅書與復旦大學聯合研發的InstanceAssemble技術，在布局控制生成（Layout-to-Image）方向取得創新性成果。該技術通過構建"實例組裝注意力"機制，實現了復雜場景下的精準圖像生成，相關研究已被國際頂級學術會議NeurIPS 2025收錄。
區別于傳統的文字生成圖像（Text-to-Image）技術，布局控制生成需要同時滿足空間位置約束和語義內容要求。現有技術普遍存在三大難題：物體位置偏移、語義內容脫節以及計算資源消耗過大。研究團隊針對這些痛點，開發出能夠精確控制每個物體位置與內容的生成方案，將AI繪畫的構圖精度提升到新高度。
核心技術突破在于創新設計的"實例拼裝注意力"模塊。該機制基于擴散變換器架構，通過解析用戶提供的邊界框坐標和內容描述，在指定位置生成符合語義的圖像元素。實驗數據顯示，在包含90萬個實例的密集場景測試中，新技術在布局對齊準確率和語義一致性方面均顯著優于現有方法。
為降低技術使用門檻，研究團隊采用輕量化適配策略。僅需調整約7100萬個參數（相當于Stable Diffusion3-Medium模型總參數的3.46%），即可實現模型升級。當適配Flux.1模型時，額外參數需求更降至0.84%，這種高效適配方案大幅減少了計算資源消耗。
研究團隊同步構建了專業評估體系，包含5000張圖像和9萬個實例的"Denselayout"基準測試集，以及全新的布局匹配度評分標準（LGS）。測試結果表明，經過稀疏場景訓練的模型（實例數≤10），在密集場景（實例數≥10）中仍能保持穩定性能，展現出強大的場景適應能力。這項突破為AI繪畫技術的商業化應用開辟了新路徑。
