FlexIP: カスタマイズされた画像生成のための保存性と個性の動的制御

FlexIP: Dynamic Control of Preservation and Personality for Customized Image Generation

April 10, 2025

著者: Linyan Huang, Haonan Lin, Yanning Zhou, Kaiwen Xiao

cs.AI

要旨

2D生成モデルの急速な進化に伴い、被写体のアイデンティティを維持しつつ多様な編集を可能にすることが重要な研究課題として浮上しています。既存の手法では、アイデンティティの維持と個別化された操作の間に本質的なトレードオフが存在するのが一般的です。本研究では、これらの目的を分離する新しいフレームワーク「FlexIP」を提案します。FlexIPは、スタイル操作のためのPersonalization Adapterと、アイデンティティ維持のためのPreservation Adapterという2つの専用コンポーネントを備えています。生成モデルにこれらの制御機構を明示的に注入することで、推論時に重みアダプターの動的チューニングを通じて柔軟なパラメータ制御を実現します。実験結果から、本手法が従来の手法の性能限界を突破し、優れたアイデンティティ維持を実現しながら、より多様な個別化生成能力をサポートすることが示されました（プロジェクトページ: https://flexip-tech.github.io/flexip/）。

English

With the rapid advancement of 2D generative models, preserving subject identity while enabling diverse editing has emerged as a critical research focus. Existing methods typically face inherent trade-offs between identity preservation and personalized manipulation. We introduce FlexIP, a novel framework that decouples these objectives through two dedicated components: a Personalization Adapter for stylistic manipulation and a Preservation Adapter for identity maintenance. By explicitly injecting both control mechanisms into the generative model, our framework enables flexible parameterized control during inference through dynamic tuning of the weight adapter. Experimental results demonstrate that our approach breaks through the performance limitations of conventional methods, achieving superior identity preservation while supporting more diverse personalized generation capabilities (Project Page: https://flexip-tech.github.io/flexip/).