214-A1.1｜身份保持个性化，多实例可控文生图，基于点的图像拖拽编辑；图像油画风格笔触渲染；虚拟试衣相关；概念增强视频编辑

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image Generation｜ 1. Identity-preserved Personalization 2. Multi-Instance & Controllable 3. Point-based Drag Editing FaceChain-FACT: Face Adapter with Decoupled Training for Identity-preserved Personalization 2024-10-16｜Alibaba Group ｜⭐️ http://arxiv.org/abs/2410.12312v1 https://github.com/modelscope/facechain 概述 随着文本到图像扩散模型的快速发展，如何在生成图像中整合个性化的人物肖像成为了研究的热点。 现有的基于适配器的个性化方法在生成肖像时，往往无法有效地保持身份特征，导致生成图像的多样性和可控性下降 。为了解决这一问题，本文提出了一种名为“Face Adapter with deCoupled Training”（FACT）的方法。该方法通过模型架构和训练策略的双重优化，旨在实现身份特征与其他人类特征的解耦，从而在生成过程中有效保留个体 ………………………………