Dec, 2023

PhotoMaker: 通过堆叠身份嵌入定制逼真的人类照片

PDF
TL;DR研究对文本到图像的生成进行了进一步的提升，在保证高效率、有辨识度的身份和灵活文本控制性等要求的前提下，提出了 PhotoMaker 方法。通过将输入的身份图像编码为堆叠的 ID 嵌入来维护身份信息，该嵌入不仅可以全面地表达相同输入身份的特征，还可以适应不同身份的特征进行融合，从而实现更具吸引力和实用价值的应用。
text-to-image generationpersonalized generation methodstext controllabilityid fidelitydata construction pipeline
发现论文，激发创造
  • DreamIdentity：提高可编辑性，实现高效面部身份保留图像生成

    该论文提出了一种优化自由的面部识别编码器，以在条件面部图像中保留面部标识符，并提出了自我增强的可编辑性学习方法，从而在更快的速度下生成具有不同场景下的保留标识符的图像。

    Jul, 2023

  • InstantID: 秒级零样本保身份生成

    我们介绍了基于 InstantID 的个性化图像合成方法，通过应用 IdentityNet 模型，使用单张面部图像实现各种风格的图像个性化，同时确保高保真度，并与 SD1.5 和 SDXL 等常用预训练文本到图像扩散模型无缝集成，具有卓越的性能和高效性，在重视身份保护的实际应用中极具益处。

    Jan, 2024

  • ID-Animator：零槽位身份保持的人类视频生成

    提供单个人脸参考图像，无需进一步训练，ID-Animator 是一种零样本的人类视频生成方法，具有个性化视频生成能力。该方法采用面部适配器从可学习的面部潜在查询中编码与身份相关的嵌入，通过 ID 导向的数据集构建技术和随机面部参考训练方法，提高模型在身份特定视频生成方面的准确性和泛化能力，实验结果表明 ID-Animator 比之前的模型更优秀，适用于对身份保护要求很高的实际视频生成应用。

    Apr, 2024

  • AnyMaker: 通过解耦的双级 ID 注入实现零样本通用对象定制化

    AnyMaker 是一种创新的零射击对象定制框架，能够生成具有高 ID 保真度和灵活文本可编辑性的普通对象。

    Jun, 2024

  • 无限 ID：通过 ID 语义解耦范式实现身份保留的个性化

    通过引入无限 - ID，将身份信息与语义解耦合的范式，提出一种在图像生成中保持身份的个性化方法。此方法通过增强车间训练，结合图像交叉注意模块和 AdaIN-mean 操作的特征交互机制，既提高了身份的保真度和语义一致性，又使得对生成图像风格的控制变得方便。对原始照片生成和风格图像生成的大量实验结果证明了该方法的优越性能。

    Mar, 2024

  • StableIdentity：首次见面即可将任何人引入任何地方

    在这项工作中，我们提出了 StableIdentity，它允许只通过一张面部图像实现一致性身份重构，并且可以在各种情境中灵活注入所学到的身份，从而实现前所未有的图像、视频和 3D 定制生成模型。

    Jan, 2024

  • Inv-Adapter：基于图像反转和轻量级适配器的 ID 个性化生成

    利用预训练的文本图像模型通过 DDIM 图像反转提取 ID 图像的传播域表示，不需要额外的图像编码器，然后通过精心设计的轻量级注意力适配器将提取的 ID 提示特征和文本图像模型的中间特征有效地嵌入到基础文本图像模型中，从而为 ID 定制生成和模型规模上提出的 Inv-Adapter 在 ID 忠实度、生成忠诚度、速度和训练参数等方面进行了广泛的实验评估表明其具有很高的竞争力。

    Jun, 2024

  • FaceStudio：在几秒钟内将您的脸放到任何地方

    本研究通过引入直接前馈机制和混合引导框架，以人物图像为重点，实现了保留主体身份的图像合成，旨在快速高效生成艺术肖像和身份融合图像，并在定性和定量评估中证明了方法在高保真度和效率方面的优越性。

    Dec, 2023

  • FlashFace: 高保真身份保留的人像个性化

    FlashFace 是一种实用工具，用户可以通过提供一张或几张参考人脸图片和一个文本提示，轻松地即时个性化自己的照片。该方法通过两个微妙的设计与现有的人脸个性化方法有所区别，具有更高保真度的身份保存和更好的指令跟随。实验证明了我们的方法在各种应用中的有效性，包括人体图像个性化、根据语言提示进行人脸替换、将虚拟角色变成真实人物等。

    Mar, 2024

  • 通过稳定扩散进行高度个性化的文本嵌入以进行图像操作

    本文介绍一种基于高度个性化文本嵌入的简单而高效的方法，通过分解 CLIP 嵌入空间来实现个性化和内容操作，并且仅需要一个图像和目标文本即可实现背景、纹理和动态的操作和编辑。

    Mar, 2023