新闻中心News

字节跳动开源 USO，支持统一风格与主体定制的图像生成模型

作者：花韻仙語 | 点击: | 来源：花韻仙語

0109
2025

字节跳动团队近期发布并开源了USO（UnifiedStyle-SubjectOptimized）模型，这一创新框架首次将“风格驱动”与“主体驱动”两类传统上相互独立的图像生成任务整合到一个统一模型中，成功实现了在两个方向上均达到开源领域最先进水平（SOTA）的突破。USO通过解耦内容与风格特征，并引入奖励学习机制，构建了首个能够同时处理风格迁移与主体定制的统一生成架构。以往的方法往往将风格保真度与主体一致性视为矛盾目标，而USO则提出了一种跨任务协同解耦的新范式。该方法基于一个包含20万组三元组...

字节跳动团队近期发布并开源了uso（unified style-

subject optimized）模型，这一创新框架首次将“风格驱动”与“主体驱动”两类传统上相互独立的图像生成任务整合到一个统一模型中，成功实现了在两个方向上均达到开源领域最先进水平（sota）的突破。

USO通过解耦内容与风格特征，并引入奖励学习机制，构建了首个能够同时处理风格迁移与主体定制的统一生成架构。

以往的方法往往将风格保真度与主体一致性视为矛盾目标，而USO则提出了一种跨任务协同解耦的新范式。该方法基于一个包含20万组三元组的大规模训练集（包括风格参考图、去风格化的主体图以及对应的风格化结果图），利用主体生成模型合成高质量的风格化图像数据，并通过风格奖励信号指导解耦训练过程，从而优化主体保持能力。

从技术实现上看，USO采用SigLIP的多尺度特征投影进行风格对齐训练，结合内容-风格解耦编码器来分离条件输入中的不同语义信息，并进一步引入风格奖励学习（SRL）策略，显著增强了特征解耦的精度与生成效果。

目前，USO的完整代码、预训练权重已发布在Hugging Face和GitHub平台，同时提供在线体验Demo及一键部署脚本，便于研究者与开发者快速上手。

https://www./link/d351f787f92fd392b0c30979e85630ef
https://www./link/788fa30233fcab2260b28ae40dde74a7
https://www./link/902560b1f108bc2a170725b884863354
https://www./link/b12564853249eafedf53525ef9b6b0f6

欢迎光临，我们是一家专注中小型企业营销推广服务的公司！

专注企业电商网络营销推广！免费电商SEO诊断，你可信任的网络推广专家

字节跳动开源 USO，支持统一风格与主体定制的图像生成模型