过去，业界主要聚焦于模型的“生成能力”——能否绘制出以假乱真的图像。然而最近两年，模型在高保真生成方面确实取得了显著突破，但当真正进入用户场景后，大家才意识到，仅仅“会生成”远远不够。用户真正需要的是“可控性”。什么叫可控？例如，将一个人的年龄感调小十几岁，却依然保持本人的特征；在一张多人合影中，只想编辑其中一个人的表情，而其他人不受影响；调整微笑弧度时，人脸的身份信息保持不变。这就要求模型不仅要能生成，还要理解每个属性之间的边界。可以说，面向生成图像的可解释、细粒度、连续属性操纵，已经成为一个亟待突破的核心难题。

针对这一痛点，美图影像研究院（MT Lab）联合北京交通大学，提出了一种基于扩散模型的新方法框架——All-in-One Slider。该方案的核心思路在于对人脸属性进行连续且精细化的控制，同时最大限度地保留图像的整体结构和面部细节。换句话说，它能让你像操作调音台一样，逐级调整年龄、微笑、发型等属性，而不会影响到其他不相关的部分。这项研究成果已被CVPR 2026接收——CVPR可是国际计算机视觉领域三大顶级会议之一。