多主体视频生成

ID-Crafter：面向组合式多主体视频生成的视觉语言模型接地在线强化学习

ID-Crafter: VLM-Grounded Online RL for Compositional Multi-Subject Video Generation

分层身份保持注意力（intra-subject/inter-subject/cross-modal 三级聚合）与 VLM 语义引导、在线 RL 微调的组合，可直接迁移到个性化视频生成与多主体可控生成中，解决多主体身份混淆与语义冲突问题。