AI绘画领域迎来重要突破，小红书与复旦大学联合研发的InstanceAssemble技术，在布局控制生成（Layout-to-Image）方向取得创新性成果。该技术通过构建"实例组装注意力"机制，实现了复杂场景下的精准图像生成，相关研究已被国际顶级学术会议NeurIPS 2025收录。
区别于传统的文字生成图像（Text-to-Image）技术，布局控制生成需要同时满足空间位置约束和语义内容要求。现有技术普遍存在三大难题：物体位置偏移、语义内容脱节以及计算资源消耗过大。研究团队针对这些痛点，开发出能够精确控制每个物体位置与内容的生成方案，将AI绘画的构图精度提升到新高度。
核心技术突破在于创新设计的"实例拼装注意力"模块。该机制基于扩散变换器架构，通过解析用户提供的边界框坐标和内容描述，在指定位置生成符合语义的图像元素。实验数据显示，在包含90万个实例的密集场景测试中，新技术在布局对齐准确率和语义一致性方面均显著优于现有方法。
为降低技术使用门槛，研究团队采用轻量化适配策略。仅需调整约7100万个参数（相当于Stable Diffusion3-Medium模型总参数的3.46%），即可实现模型升级。当适配Flux.1模型时，额外参数需求更降至0.84%，这种高效适配方案大幅减少了计算资源消耗。
研究团队同步构建了专业评估体系，包含5000张图像和9万个实例的"Denselayout"基准测试集，以及全新的布局匹配度评分标准（LGS）。测试结果表明，经过稀疏场景训练的模型（实例数≤10），在密集场景（实例数≥10）中仍能保持稳定性能，展现出强大的场景适应能力。这项突破为AI绘画技术的商业化应用开辟了新路径。
