ปัญญาประดิษฐ์
สไตล์ทันใจ: การรักษาสไตล์ในการสร้างข้อความเป็นรูปภาพ
ในช่วงไม่กี่ปีที่ผ่านมา โมเดลการแพร่กระจายตามการปรับแต่งได้แสดงให้เห็นถึงความก้าวหน้าที่น่าทึ่งในงานปรับแต่งภาพและการปรับแต่งภาพที่หลากหลาย อย่างไรก็ตาม แม้จะมีศักยภาพ แต่โมเดลการแพร่กระจายตามการปรับแต่งในปัจจุบันยังคงเผชิญกับความท้าทายที่ซับซ้อนในการผลิตและสร้างภาพที่สอดคล้องกับสไตล์ และอาจมีสามเหตุผลที่อยู่เบื้องหลังสิ่งเดียวกัน ประการแรก แนวคิดของสไตล์ยังคงไม่มีคำจำกัดความและไม่ทราบแน่ชัด และประกอบด้วยองค์ประกอบต่างๆ รวมกัน เช่น บรรยากาศ โครงสร้าง การออกแบบ วัสดุ สี และอื่นๆ อีกมากมาย วิธีที่สองที่ใช้การผกผันมีแนวโน้มที่จะทำให้รูปแบบลดลง ส่งผลให้สูญเสียรายละเอียดที่ละเอียดบ่อยครั้ง สุดท้ายนี้ วิธีการที่ใช้อะแดปเตอร์จำเป็นต้องมีการปรับน้ำหนักบ่อยครั้งสำหรับรูปภาพอ้างอิงแต่ละภาพ เพื่อรักษาสมดุลระหว่างความสามารถในการควบคุมข้อความและความเข้มของรูปแบบ
นอกจากนี้ เป้าหมายหลักของวิธีการถ่ายโอนสไตล์หรือการสร้างภาพสไตล์ส่วนใหญ่คือการใช้ภาพอ้างอิง และใช้สไตล์เฉพาะจากชุดย่อยหรือภาพอ้างอิงที่กำหนดกับภาพเนื้อหาเป้าหมาย อย่างไรก็ตาม คุณลักษณะของสไตล์จำนวนมากที่ทำให้งานยากสำหรับนักวิจัยในการรวบรวมชุดข้อมูลที่มีสไตล์ การแสดงสไตล์อย่างถูกต้อง และประเมินความสำเร็จของการถ่ายโอน ก่อนหน้านี้ โมเดลและเฟรมเวิร์กที่จัดการกับกระบวนการกระจายตามการปรับแต่งแบบละเอียด ปรับแต่งชุดข้อมูลของรูปภาพที่มีสไตล์ร่วมกัน กระบวนการที่ใช้เวลานาน และความสามารถทั่วไปที่จำกัดในงานในโลกแห่งความเป็นจริง เนื่องจากเป็นเรื่องยาก เพื่อรวบรวมชุดย่อยของรูปภาพที่มีรูปแบบเดียวกันหรือเกือบเหมือนกัน
ในบทความนี้ เราจะพูดถึง InstantStyle ซึ่งเป็นเฟรมเวิร์กที่ออกแบบมาโดยมีจุดประสงค์เพื่อจัดการกับปัญหาที่โมเดลการแพร่กระจายตามการปรับแต่งในปัจจุบันสำหรับการสร้างและปรับแต่งภาพ เราจะพูดถึงสองกลยุทธ์สำคัญที่นำมาใช้โดยกรอบงาน InstantStyle:
- วิธีการที่เรียบง่ายแต่มีประสิทธิภาพในการแยกสไตล์และเนื้อหาจากรูปภาพอ้างอิงภายในพื้นที่คุณลักษณะ คาดการณ์บนสมมติฐานว่าคุณลักษณะภายในพื้นที่คุณลักษณะเดียวกันสามารถเพิ่มหรือลบออกจากกัน
- ป้องกันการรั่วไหลของสไตล์โดยการฉีดคุณสมบัติรูปภาพอ้างอิงลงในบล็อกเฉพาะสไตล์โดยเฉพาะ และจงใจหลีกเลี่ยงความจำเป็นในการใช้น้ำหนักที่ยุ่งยากในการปรับแต่งแบบละเอียด ซึ่งมักจะแสดงลักษณะเฉพาะของการออกแบบที่ต้องใช้พารามิเตอร์มากขึ้น
บทความนี้มีจุดมุ่งหมายเพื่อครอบคลุมกรอบงาน InstantStyle ในเชิงลึก และเราสำรวจกลไก วิธีการ สถาปัตยกรรมของกรอบงาน รวมถึงการเปรียบเทียบกับกรอบงานที่ทันสมัย นอกจากนี้เรายังจะพูดถึงวิธีที่กรอบงาน InstantStyle แสดงให้เห็นถึงผลลัพธ์ของการจัดรูปแบบภาพที่น่าทึ่ง และทำให้เกิดความสมดุลที่เหมาะสมที่สุดระหว่างความสามารถในการควบคุมองค์ประกอบข้อความและความเข้มของสไตล์ มาเริ่มกันเลย
InstantStyle: การรักษาสไตล์ในการสร้างข้อความเป็นรูปภาพ
เฟรมเวิร์ก AI ที่สร้างข้อความแบบกระจายสู่รูปภาพได้รับความสำเร็จอย่างเห็นได้ชัดและน่าทึ่งในงานการปรับแต่งและการปรับแต่งส่วนบุคคลที่หลากหลาย โดยเฉพาะอย่างยิ่งในงานการสร้างรูปภาพที่สอดคล้องกัน รวมถึงการปรับแต่งออบเจ็กต์ การเก็บรักษารูปภาพ และการถ่ายโอนสไตล์ อย่างไรก็ตาม แม้จะประสบความสำเร็จและเพิ่มประสิทธิภาพเมื่อเร็วๆ นี้ การถ่ายโอนสไตล์ยังคงเป็นงานที่ท้าทายสำหรับนักวิจัย เนื่องจากลักษณะของสไตล์ไม่แน่นอนและไม่ได้กำหนด ซึ่งมักจะรวมถึงองค์ประกอบที่หลากหลาย เช่น บรรยากาศ โครงสร้าง การออกแบบ วัสดุ สี และอื่นๆ อีกมากมาย ด้วยเหตุนี้ เป้าหมายหลักของการสร้างภาพสไตไลซ์หรือการถ่ายโอนสไตล์คือการใช้สไตล์เฉพาะจากภาพอ้างอิงที่กำหนดหรือชุดย่อยของภาพอ้างอิง ไปยังรูปภาพเนื้อหาเป้าหมาย อย่างไรก็ตาม คุณลักษณะของสไตล์จำนวนมากทำให้งานยากสำหรับนักวิจัยในการรวบรวมชุดข้อมูลที่มีสไตล์ การแสดงสไตล์อย่างถูกต้อง และประเมินความสำเร็จของการถ่ายโอน ก่อนหน้านี้ โมเดลและเฟรมเวิร์กที่จัดการกับกระบวนการกระจายตามการปรับแต่งแบบละเอียด ปรับแต่งชุดข้อมูลของรูปภาพที่มีสไตล์ร่วมกัน กระบวนการที่ใช้เวลานาน และความสามารถทั่วไปที่จำกัดในงานในโลกแห่งความเป็นจริง เนื่องจากเป็นเรื่องยาก เพื่อรวบรวมชุดย่อยของรูปภาพที่มีรูปแบบเดียวกันหรือเกือบเหมือนกัน
ด้วยความท้าทายที่เผชิญโดยแนวทางปัจจุบัน นักวิจัยได้ให้ความสนใจในการพัฒนาแนวทางการปรับแต่งอย่างละเอียดสำหรับการถ่ายโอนสไตล์หรือ การสร้างภาพที่มีสไตล์และกรอบงานเหล่านี้สามารถแบ่งออกเป็นสองกลุ่มที่แตกต่างกัน:
- แนวทางที่ไม่มีอะแดปเตอร์: แนวทางและเฟรมเวิร์กที่ปราศจากอะแดปเตอร์ใช้ประโยชน์จากพลังของการเอาใจใส่ตนเองภายในกระบวนการแพร่กระจาย และด้วยการใช้การดำเนินการความสนใจร่วมกัน โมเดลเหล่านี้จึงสามารถแยกคุณสมบัติที่สำคัญ รวมถึงคีย์และค่าจากรูปภาพสไตล์อ้างอิงที่กำหนดได้โดยตรง
- แนวทางที่ใช้อะแดปเตอร์: แนวทางและเฟรมเวิร์กที่ใช้อะแดปเตอร์นั้นรวมเอาโมเดลน้ำหนักเบาที่ออกแบบมาเพื่อแยกการแสดงรูปภาพที่มีรายละเอียดจากรูปภาพสไตล์อ้างอิง กรอบงานจะรวมการนำเสนอเหล่านี้เข้ากับกระบวนการแพร่กระจายอย่างชำนาญโดยใช้กลไกการสนใจข้ามสาย เป้าหมายหลักของกระบวนการบูรณาการคือการชี้แนะกระบวนการสร้าง และเพื่อให้แน่ใจว่าภาพที่ได้นั้นสอดคล้องกับความแตกต่างทางสไตล์ที่ต้องการของรูปภาพอ้างอิง
อย่างไรก็ตาม แม้จะมีสัญญาไว้ แต่วิธีการที่ไม่ปรับแต่งก็มักจะเผชิญกับความท้าทายบางประการ ขั้นแรก แนวทางที่ไม่ต้องใช้อะแดปเตอร์จำเป็นต้องมีการแลกเปลี่ยนคีย์และค่าภายในเลเยอร์การเอาใจใส่ตนเอง และจับเมทริกซ์คีย์และค่าล่วงหน้าที่ได้มาจากรูปภาพสไตล์การอ้างอิง เมื่อนำไปใช้กับภาพที่เป็นธรรมชาติ วิธีการที่ไม่ต้องใช้อะแดปเตอร์จะต้องการกลับภาพกลับไปเป็นสัญญาณรบกวนแฝงโดยใช้เทคนิค เช่น DDIM หรือการกลับตัวของโมเดล Denoising Diffusion Implicit อย่างไรก็ตาม การใช้ DDIM หรือวิธีการกลับกันอื่นๆ อาจส่งผลให้สูญเสียรายละเอียดเล็กๆ น้อยๆ เช่น สีและพื้นผิว ดังนั้น ข้อมูลสไตล์ในรูปภาพที่สร้างขึ้นจึงลดน้อยลง นอกจากนี้ ขั้นตอนเพิ่มเติมที่แนะนำโดยแนวทางเหล่านี้เป็นกระบวนการที่ใช้เวลานาน และอาจทำให้เกิดข้อเสียเปรียบที่สำคัญในการใช้งานจริง ในทางกลับกัน ความท้าทายหลักสำหรับวิธีการที่ใช้อะแดปเตอร์อยู่ที่การสร้างสมดุลที่เหมาะสมระหว่างการรั่วไหลของบริบทและความเข้มของรูปแบบ การรั่วไหลของเนื้อหาเกิดขึ้นเมื่อความเข้มข้นของสไตล์ที่เพิ่มขึ้นส่งผลให้องค์ประกอบที่ไม่ใช่สไตล์ปรากฏจากรูปภาพอ้างอิงในเอาท์พุตที่สร้างขึ้น โดยประเด็นหลักของความยากคือการแยกสไตล์ออกจากเนื้อหาภายในรูปภาพอ้างอิงอย่างมีประสิทธิภาพ เพื่อแก้ไขปัญหานี้ บางเฟรมเวิร์กจะสร้างชุดข้อมูลที่จับคู่ซึ่งเป็นตัวแทนของออบเจ็กต์เดียวกันในสไตล์ที่แตกต่างกัน อำนวยความสะดวกในการแยกการแสดงเนื้อหา และสไตล์ที่แยกออก อย่างไรก็ตาม ต้องขอบคุณการนำเสนอสไตล์ที่ไม่ทราบแน่ชัด งานในการสร้างชุดข้อมูลคู่ขนาดใหญ่จึงมีข้อจำกัดในแง่ของความหลากหลายของสไตล์ที่สามารถจับภาพได้ และเป็นกระบวนการที่ต้องใช้ทรัพยากรมากเช่นกัน
เพื่อจัดการกับข้อจำกัดเหล่านี้ จึงได้มีการเปิดตัวเฟรมเวิร์ก InstantStyle ซึ่งเป็นกลไกใหม่ที่ไม่ต้องปรับแต่ง โดยอาศัยวิธีการที่ใช้อะแดปเตอร์ที่มีอยู่ โดยมีความสามารถในการผสานรวมกับวิธีการแทรกตามความสนใจอื่นๆ ได้อย่างราบรื่น และบรรลุการแยกส่วนเนื้อหาและสไตล์ได้อย่างมีประสิทธิภาพ นอกจากนี้ เฟรมเวิร์ก InstantStyle ไม่ได้แนะนำวิธีเดียว แต่มี 2 วิธีที่มีประสิทธิภาพในการแยกส่วนสไตล์และเนื้อหาให้เสร็จสมบูรณ์ บรรลุการย้ายสไตล์ที่ดีขึ้น โดยไม่จำเป็นต้องแนะนำวิธีการเพิ่มเติมเพื่อให้บรรลุการแยกส่วนหรือสร้างชุดข้อมูลที่จับคู่กัน
นอกจากนี้ กรอบงานที่ใช้อะแดปเตอร์ก่อนหน้านี้มีการใช้กันอย่างแพร่หลายในวิธีการที่ใช้ CLIP ในฐานะตัวแยกคุณลักษณะรูปภาพ บางเฟรมเวิร์กได้สำรวจความเป็นไปได้ของการนำคุณลักษณะแยกส่วนภายในพื้นที่คุณลักษณะ และเมื่อเปรียบเทียบกับการกำหนดสไตล์ จะง่ายกว่า อธิบายเนื้อหาด้วยข้อความ เนื่องจากรูปภาพและข้อความใช้พื้นที่ร่วมกันในวิธีการแบบ CLIP การดำเนินการลบอย่างง่ายของคุณสมบัติข้อความบริบทและคุณสมบัติรูปภาพจึงสามารถลดการรั่วไหลของเนื้อหาได้อย่างมาก นอกจากนี้ในส่วนใหญ่ของ แบบจำลองการแพร่กระจายมีเลเยอร์เฉพาะในสถาปัตยกรรมที่แทรกข้อมูลสไตล์ และแยกเนื้อหาและสไตล์ให้สำเร็จโดยการแทรกคุณลักษณะรูปภาพลงในบล็อกสไตล์เฉพาะเท่านั้น ด้วยการใช้กลยุทธ์ง่ายๆ ทั้งสองนี้ กรอบงาน InstantStyle จึงสามารถแก้ไขปัญหาการรั่วไหลของเนื้อหาที่กรอบงานส่วนใหญ่ที่มีอยู่พบได้ ในขณะเดียวกันก็รักษาความแข็งแกร่งของสไตล์ไว้ได้
โดยสรุป กรอบงาน InstantStyle ใช้กลไกที่เรียบง่าย ตรงไปตรงมา สองกลไกที่มีประสิทธิภาพ เพื่อให้ได้การแยกเนื้อหาและสไตล์ออกจากรูปภาพอ้างอิงอย่างมีประสิทธิภาพ เฟรมเวิร์ก Instant-Style เป็นแนวทางที่เป็นอิสระจากโมเดลและไม่ต้องปรับแต่ง ซึ่งแสดงให้เห็นถึงประสิทธิภาพที่โดดเด่นในงานถ่ายโอนสไตล์ซึ่งมีศักยภาพอย่างมากสำหรับงานดาวน์สตรีม
สไตล์ทันใจ: วิธีการและสถาปัตยกรรม
ดังที่แสดงให้เห็นโดยแนวทางก่อนหน้านี้ มีความสมดุลในการฉีดเงื่อนไขสไตล์ในโมเดลการแพร่กระจายที่ไม่มีการจูน หากความเข้มของสภาพภาพสูงเกินไป อาจส่งผลให้เนื้อหารั่วไหล ในขณะที่หากความเข้มของสภาพภาพลดลงต่ำเกินไป สไตล์อาจไม่ชัดเจนเพียงพอ เหตุผลหลักที่อยู่เบื้องหลังข้อสังเกตนี้ก็คือ ในภาพ สไตล์และเนื้อหาเชื่อมโยงกัน และเนื่องจากคุณลักษณะของสไตล์ที่ไม่ได้กำหนดไว้โดยธรรมชาติ จึงเป็นเรื่องยากที่จะแยกสไตล์และจุดประสงค์ออก ด้วยเหตุนี้ มักจะมีการปรับน้ำหนักที่พิถีพิถันสำหรับรูปภาพอ้างอิงแต่ละภาพ เพื่อพยายามสร้างความสมดุลระหว่างความสามารถในการควบคุมข้อความและความแข็งแกร่งของสไตล์ นอกจากนี้ สำหรับรูปภาพอ้างอิงอินพุตที่กำหนดและคำอธิบายข้อความที่สอดคล้องกันในวิธีการแบบผกผัน วิธีการผกผันเช่น DDIM จะถูกนำมาใช้เหนือรูปภาพเพื่อให้ได้วิถีการแพร่กระจายแบบกลับหัว ซึ่งเป็นกระบวนการที่ประมาณสมการการผกผันเพื่อแปลงรูปภาพให้กลายเป็นค่าแฝง การแสดงเสียงรบกวน สร้างจากสิ่งเดียวกันและเริ่มต้นจากวิถีการแพร่กระจายแบบกลับหัวพร้อมกับชุดการแจ้งเตือนใหม่ วิธีการเหล่านี้จะสร้างเนื้อหาใหม่ด้วยสไตล์ที่สอดคล้องกับอินพุต อย่างไรก็ตาม ดังที่แสดงในรูปต่อไปนี้ วิธีการกลับกันของ DDIM สำหรับภาพจริงมักจะไม่เสถียร เนื่องจากต้องอาศัยสมมติฐานเชิงเส้นตรงในท้องถิ่น ส่งผลให้เกิดการแพร่กระจายของข้อผิดพลาด และนำไปสู่การสูญเสียเนื้อหาและการสร้างภาพที่ไม่ถูกต้อง
เมื่อพูดถึงระเบียบวิธี แทนที่จะใช้กลยุทธ์ที่ซับซ้อนเพื่อแยกเนื้อหาและสไตล์ออกจากรูปภาพ กรอบงานสไตล์ทันใจใช้แนวทางที่ง่ายที่สุดเพื่อให้ได้ประสิทธิภาพที่คล้ายคลึงกัน เมื่อเปรียบเทียบกับแอตทริบิวต์สไตล์ที่ไม่ได้กำหนดไว้ เนื้อหาสามารถแสดงด้วยข้อความธรรมชาติได้ ช่วยให้กรอบงานสไตล์ทันใจใช้ตัวเข้ารหัสข้อความจาก CLIP เพื่อแยกคุณลักษณะของข้อความเนื้อหาเป็นการแสดงบริบท ในขณะเดียวกัน เฟรมเวิร์ก Instant-Style จะใช้ตัวเข้ารหัสรูปภาพ CLIP เพื่อแยกคุณสมบัติของรูปภาพอ้างอิง การใช้ประโยชน์จากการกำหนดคุณลักษณะของคุณลักษณะส่วนกลางของ CLIP และการโพสต์การลบคุณลักษณะข้อความเนื้อหาออกจากคุณลักษณะรูปภาพ กรอบงานสไตล์ทันใจสามารถแยกสไตล์และเนื้อหาได้อย่างชัดเจน แม้ว่าจะเป็นกลยุทธ์ง่ายๆ แต่ก็ช่วยให้เฟรมเวิร์ก Instant-Style ค่อนข้างมีประสิทธิภาพในการรักษาการรั่วไหลของเนื้อหาให้น้อยที่สุด
นอกจากนี้ แต่ละเลเยอร์ภายในเครือข่ายระดับลึกมีหน้าที่ในการเก็บข้อมูลความหมายที่แตกต่างกัน และการสังเกตที่สำคัญจากรุ่นก่อนหน้าก็คือมีเลเยอร์ความสนใจอยู่สองชั้นที่รับผิดชอบในการจัดการสไตล์ up โดยเฉพาะคือชั้นบล็อก 0.attentions.1 และชั้นล่าง 2.attentions.1 มีหน้าที่ในการจับภาพลักษณะ เช่น สี วัสดุ บรรยากาศ และชั้นเค้าโครงเชิงพื้นที่จับโครงสร้างและองค์ประกอบตามลำดับ เฟรมเวิร์กสไตล์ทันใจใช้เลเยอร์เหล่านี้โดยปริยายเพื่อแยกข้อมูลสไตล์ และป้องกันการรั่วไหลของเนื้อหาโดยไม่สูญเสียความแข็งแกร่งของสไตล์ กลยุทธ์นี้เรียบง่ายแต่มีประสิทธิภาพเนื่องจากโมเดลมีบล็อกสไตล์ที่สามารถแทรกคุณลักษณะของรูปภาพลงในบล็อกเหล่านี้เพื่อให้สามารถถ่ายโอนสไตล์ได้อย่างราบรื่น นอกจากนี้ เนื่องจากโมเดลลดจำนวนพารามิเตอร์ของอะแด็ปเตอร์ลงอย่างมาก ความสามารถในการควบคุมข้อความของเฟรมเวิร์กจึงได้รับการปรับปรุง และกลไกนี้ยังใช้ได้กับโมเดลการฉีดฟีเจอร์ตามความสนใจอื่นๆ สำหรับการแก้ไขและงานอื่นๆ
รูปแบบทันใจ : การทดลองและผลลัพธ์
เฟรมเวิร์ก Instant-Style ได้รับการปรับใช้บนเฟรมเวิร์ก Stable Diffusion XL และใช้อะแดปเตอร์ IR ที่ได้รับการฝึกอบรมทั่วไปที่นำมาใช้เป็นตัวอย่างในการตรวจสอบความถูกต้องของวิธีการ และปิดเสียงบล็อกทั้งหมดยกเว้นบล็อกสไตล์สำหรับคุณสมบัติรูปภาพ โมเดล Instant-Style ยังฝึกอะแดปเตอร์ IR กับชุดข้อมูลจับคู่ภาพข้อความขนาดใหญ่ 4 ล้านชุดตั้งแต่เริ่มต้น และแทนที่จะฝึกฝนบล็อกทั้งหมด จะอัปเดตเฉพาะบล็อกสไตล์เท่านั้น
เพื่อดำเนินการขีดความสามารถทั่วไปและความแข็งแกร่ง กรอบงานสไตล์ทันใจได้ทำการทดลองถ่ายโอนสไตล์มากมายด้วยสไตล์ที่หลากหลายในเนื้อหาที่แตกต่างกัน และสามารถสังเกตผลลัพธ์ได้ในภาพต่อไปนี้ ด้วยรูปภาพอ้างอิงสไตล์เดียวพร้อมกับข้อความแจ้งที่แตกต่างกัน กรอบงานสไตล์ทันใจจึงมอบสไตล์คุณภาพสูงและสม่ำเสมอ การสร้างภาพ.
นอกจากนี้ เนื่องจากโมเดลแทรกข้อมูลรูปภาพลงในบล็อกสไตล์เท่านั้น จึงช่วยลดปัญหาการรั่วไหลของเนื้อหาได้อย่างมาก ดังนั้นจึงไม่จำเป็นต้องทำการปรับน้ำหนัก
นอกจากนี้ เฟรมเวิร์ก Instant-Style ยังใช้สถาปัตยกรรม ControlNet เพื่อสร้างสไตล์ตามรูปภาพพร้อมการควบคุมเชิงพื้นที่ และผลลัพธ์จะแสดงในภาพต่อไปนี้
เมื่อเปรียบเทียบกับวิธีการล้ำสมัยก่อนหน้านี้ เช่น StyleAlign, B-LoRA, Swapping Self Attention และ IP-Adapter กรอบงาน Instant-Style แสดงให้เห็นถึงเอฟเฟ็กต์ภาพที่ดีที่สุด
ข้อคิด
ในบทความนี้ เราได้พูดคุยเกี่ยวกับสไตล์ทันใจ ซึ่งเป็นเฟรมเวิร์กทั่วไปที่ใช้กลยุทธ์ที่เรียบง่ายแต่มีประสิทธิภาพสองกลยุทธ์เพื่อให้บรรลุการแยกเนื้อหาและสไตล์ออกจากรูปภาพอ้างอิงอย่างมีประสิทธิภาพ กรอบงาน InstantStyle ได้รับการออกแบบโดยมีเป้าหมายเพื่อจัดการกับปัญหาที่โมเดลการแพร่กระจายตามการปรับแต่งในปัจจุบันต้องเผชิญสำหรับการสร้างและปรับแต่งภาพ กรอบงานสไตล์ทันใจใช้กลยุทธ์ที่สำคัญสองประการ: วิธีการที่เรียบง่ายแต่มีประสิทธิภาพในการแยกสไตล์และเนื้อหาจากรูปภาพอ้างอิงภายในพื้นที่คุณลักษณะ คาดการณ์บนสมมติฐานว่าคุณลักษณะภายในพื้นที่คุณลักษณะเดียวกันสามารถเพิ่มหรือลบออกจากกัน ประการที่สอง การป้องกันการรั่วไหลของสไตล์โดยการฉีดคุณสมบัติรูปภาพอ้างอิงลงในบล็อกเฉพาะสไตล์โดยเฉพาะ และจงใจหลีกเลี่ยงความจำเป็นในการใช้น้ำหนักที่ยุ่งยากในการปรับแต่งอย่างละเอียด ซึ่งมักจะแสดงลักษณะเฉพาะของการออกแบบที่ต้องใช้พารามิเตอร์มากขึ้น
