Tag · 23 篇
个性化生成
统一个性化理解、生成与编辑
Unified Personalized Understanding, Generating and Editing
提出结构化解耦的概念令牌与显式知识回放机制，可在统一多模态模型中实现理解、生成与编辑的个性化，避免跨任务干扰；其跨任务评估协议也为个性化统一模型提供了可复用的评测思路。
基于解耦奖励建模的统一定制化生成
Unified Customized Generation by Disentangled Reward Modeling
把主体定制与风格定制统一到一个框架，并用辅助风格奖励对齐风格与内容特征，为个性化生成中「参考图多属性解耦」提供了可复用的奖励建模思路，可直接迁移到其他条件生成任务的多条件控制。
UniVerse：面向无分割、解耦多概念个性化的统一调制框架
UniVerse: A Unified Modulation Framework for Segmentation-Free, Disentangled Multi-Concept Personalization
在扩散 Transformer 中通过调制实现无需分割掩码的多概念解耦与组合，可直接复用于个性化生成与概念编辑，避免依赖分割监督。
SplitFlux：从单张图像学习解耦内容与风格
SplitFlux: Learning to Decouple Content and Style from a Single Image
对 Flux 单流块做 LoRA 微调并按秩约束与显著性门控拆分内容/风格分支，为视觉研究者提供了一个可直接复用的「从单图分离内容与风格再重嵌入新语境」的定制化生成流程，也可迁移到其他 DiT 架构的可控编辑。
PureCC：面向文本到图像概念定制的纯学习
PureCC: Pure Learning for Text-to-Image Concept Customization
提出解耦学习目标与双分支训练流程，在注入个性化概念的同时显式约束原模型行为漂移，并给出自适应引导尺度 l*；做个性化生成或微调扩散模型时可直接借鉴其「冻结提取器提供隐式引导 + 可训练流模型保留原条件预测」的结构来缓解灾难性遗忘。
Premier：文本到图像生成中基于可学习用户嵌入的个性化偏好调制
Premier: Personalized Preference Modulation with Learnable User Embedding in Text-to-Image Generation
把用户偏好编码为可学习嵌入，并通过适配器与文本提示融合后调制扩散生成过程，为个性化文生图提供了一种无需 MLLM 推断提示的轻量条件控制路径；分散损失强制不同用户嵌入分离的思路也可迁移到多概念定制化生成。
基于注意力序列的个性化图像描述
Personalized Image Descriptions from Attention Sequences
把人类观看图像时的注意力序列作为个性化信号，通过辅助注意力预测任务学习主体嵌入，并用轻量适配器接入冻结的 VLM——这为视觉语言模型引入「感知行为」这一新条件维度提供了可复用范式。
带隐私保证的扩散模型个性化联邦训练
Personalized Federated Training of Diffusion Models with Privacy Guarantees
为在去中心化私有数据上训练扩散模型提供了带逐客户端差分隐私保证的联邦个性化方案，可直接迁移到视觉场景中多源私有图像（如医疗、人脸）的协同生成建模，并给出了条件生成在 GMM 下的效用界作为分析工具。
PSR：利用成对主体一致性奖励扩展多主体个性化图像生成
PSR: Scaling Multi-Subject Personalized Image Generation with Pairwise Subject-Consistency Rewards
提出可扩展的多主体数据生成管线与成对主体一致性奖励，结合强化学习后训练，可直接用于提升现有个性化生成模型在多主体场景下的主体保真度与文本可控性。
Omni-Attribute：面向视觉概念个性化的开放词表属性编码器
Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
把「属性」当作可检索的开放词表嵌入来学习，用正负属性配对数据加对比解耦目标，替代通用编码器的整体嵌入；做个性化/风格迁移时可直接复用该编码器来隔离身份、光照、风格等单一因素，减少信息泄漏。
无法窃取我的面容：针对身份保持个性化生成的主动防御
No Way To Steal My Face: Proactive Defense Against Identity-Preserving Personalized Generation
针对身份保持的个性化生成（如数字头像、虚拟试衣）中的隐私泄露问题，提出一种模型无关的主动防御框架，通过对抗扰动同时破坏身份特征提取和注入两个阶段，可推广到基于训练和无训练的个人化方法。
Lynx：面向高保真个性化视频生成
Lynx: Towards High-Fidelity Personalized Video Generation
用 Perceiver Resampler 把 ArcFace 人脸嵌入压成身份 token，再用 Ref-adapter 通过 cross attention 把冻结参考分支的 VAE 密集特征注入 DiT 所有层，是单图身份保持视频生成中可直接复用的双适配器条件注入方案。
LoFA：学习预测个性化先验以实现视觉生成模型的快速适配
LoFA: Learning to Predict Personalized Prior for Fast Adaptation of Visual Generative Models
把 LoRA 微调从「逐任务优化数小时」变成「超网络秒级预测」，视觉生成模型做个性化时可直接复用其两阶段超网络（先预测相对分布模式、再回归 LoRA 权重）作为免优化适配器。
JRM：无需对齐的多物体联合重建模型
JRM: Joint Reconstruction Model for Multiple Objects without Alignment
把多视角/多次扫描中同一物体的重复观测当作个性化生成问题，用 3D 流匹配在潜变量空间隐式聚合未对齐观测，可替代显式配准与刚性对齐流程，对处理关节运动等非刚性变化的多观测重建有直接参考价值。
基于组合可解释性的内在概念提取
Intrinsic Concept Extraction Based on Compositional Interpretability
把双曲空间的层次建模引入单图概念学习，为个性化/概念定制生成提供可组合、可解耦的概念嵌入，可直接用于少样本概念注入与属性编辑。
基础编码器即可实现偏好感知的个性化
Foundation Encoders Are All You Need for Preference-Aware Personalization
把个性化偏好注入完全放在基础编码器（文本编码器/CLIP 编码器）的表征空间里完成，不改扩散主干、不做微调，为个性化生成提供了一条可跨多个 T2I 底座复用的轻量路线；做 personalization 或 adapter 设计时可直接借鉴其「重构 transformer 编码器以融合偏好」的做法。
Ego：视觉语言模型的嵌入引导个性化
Ego: Embedding-Guided Personalization of Vision-Language Models
利用 VLM 内部注意力提取代表目标概念的视觉 token 作为概念记忆，无需额外训练即可在测试图像中召回并描述个性化概念，为视觉语言模型的免训练个性化与概念绑定提供可复用思路。
解耦再耦合：解决主体驱动文生图生成中的相似性-可控性悖论
Disentangling to Re-couple: Resolving the Similarity-Controllability Paradox in Subject-Driven Text-to-Image Generation
把主体身份与修改指令在提示词层面解耦（实体词指代主体、代词指代修改对象），再用专门设计的奖励信号配合强化学习重新耦合，这套「先解耦再耦合」的流程可直接迁移到任何需要同时保真与可控的个性化生成/编辑管线中。
设计你的广告：基于统一自回归模型的个性化广告图像与文本生成
Design Your Ad: Personalized Advertising Image and Text Generation with Unified Autoregressive Models
把图像与文本放进同一个自回归框架联合生成，并用粗到细的偏好理解模块从噪声多模态历史行为中抽取用户兴趣作为生成条件，为视觉生成中的个性化条件注入提供了可复用的范式；其前景感知模块与产品背景相似度指标也可直接用于电商图像生成的质量控制。
DCoAR：面向个性化文本到图像生成的统一自回归模型深度概念注入
DCoAR: Deep Concept Injection into Unified Autoregressive Models for Personalized Text-to-Image Generation
对做个性化/定制化生成的人，这篇给出了在完全冻结的统一自回归模型上做深层概念注入的路线：逐层多模态上下文学习 + 双重先验保持与上下文感知自正则化，可在不微调主干的前提下实现主体定制与用户风格迁移，是替代适配式微调的低参数方案。
ConceptPrism：通过残差词元优化实现个性化扩散模型中的概念解耦
ConceptPrism: Concept Disentanglement in Personalized Diffusion Models via Residual Token Optimization
通过跨图像比较与残差词元优化实现概念解耦，可直接用于个性化 T2I 中抑制参考图像里与用户提示冲突的无关属性，提升概念保真度与文本对齐的平衡。
CRAFT-LoRA：通过秩约束适配与无训练融合实现内容-风格个性化
CRAFT-LoRA: Content-Style Personalization via Rank-Constrained Adaptation and Training-Free Fusion
把多个 LoRA 权重在推理时无训练地组合起来，并通过秩约束微调让内容与风格落在解耦子空间，可直接用于视觉生成中的多概念个性化与风格迁移；其按时间步调整噪声预测的无分类器引导方案也可迁移到其他扩散采样流程以提升稳定性。
Ar2Can：以建筑师与画家借画布实现多人图像生成
Ar2Can: An Architect and an Artist Leveraging a Canvas for Multi-Human Generation
把多人生成拆成「布局规划 + 身份渲染」两阶段，并用匈牙利匹配的空间对齐人脸匹配奖励配合 GRPO 优化，可直接迁移到任何需要多主体身份保持的扩散生成/编辑流程中。