FlexIP: Controle Dinâmico de Preservação e Personalidade para Geração de Imagens Personalizadas

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

April 10, 2025

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

cs.AI

Resumo

Com o rápido avanço dos modelos generativos 2D, a preservação da identidade do sujeito enquanto se permite edições diversas emergiu como um foco crítico de pesquisa. Os métodos existentes geralmente enfrentam trade-offs inerentes entre a preservação da identidade e a manipulação personalizada. Apresentamos o FlexIP, uma nova estrutura que desacopla esses objetivos por meio de dois componentes dedicados: um Adaptador de Personalização para manipulação estilística e um Adaptador de Preservação para manutenção da identidade. Ao injetar explicitamente ambos os mecanismos de controle no modelo generativo, nossa estrutura permite controle parametrizado flexível durante a inferência por meio da sintonia dinâmica do adaptador de pesos. Resultados experimentais demonstram que nossa abordagem supera as limitações de desempenho dos métodos convencionais, alcançando uma preservação de identidade superior enquanto suporta capacidades de geração personalizada mais diversas (Página do Projeto: 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/).