Tag · 3 篇
多主体一致性
分布 图像编辑与可控生成2生成模型与扩散1
01 02 03
StoryTailor：面向动作丰富多主体视觉叙事的零样本流水线
StoryTailor:A Zero-Shot Pipeline for Action-Rich Multi-Subject Visual Narratives
GCA 用高斯加权注意力缓解多主体 grounding box 重叠，AB-SVR 在文本嵌入空间放大动作方向，SFC 缓存可迁移背景线索——三者都是可插拔的零样本模块，可直接迁移到多主体视频生成或长序列故事板生成中提升主体一致性与动作忠实度。
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。
AlcheMinT：面向多参考一致视频生成的细粒度时序控制
AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation
提出一种可插拔的时间区间位置编码，把主体身份与显式时间戳绑定，并通过 token 级拼接注入预训练视频扩散模型，无需额外交叉注意力即可实现多主体出现/消失的精细时序控制，可直接复用于可控视频合成与故事板生成。