FlexIP: Динамическое управление сохранением и индивидуальностью для персонализированной генерации изображений

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

April 10, 2025

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

cs.AI

Аннотация

С быстрым развитием 2D-генеративных моделей сохранение идентичности объекта при обеспечении разнообразного редактирования стало ключевым направлением исследований. Существующие методы обычно сталкиваются с неизбежным компромиссом между сохранением идентичности и персонализированным управлением. Мы представляем FlexIP — новую структуру, которая разделяет эти задачи с помощью двух специализированных компонентов: адаптера персонализации для стилевого управления и адаптера сохранения для поддержания идентичности. Явно внедряя оба механизма управления в генеративную модель, наша структура обеспечивает гибкий параметризованный контроль во время вывода через динамическую настройку весов адаптера. Экспериментальные результаты показывают, что наш подход преодолевает ограничения производительности традиционных методов, достигая превосходного сохранения идентичности при поддержке более разнообразных возможностей персонализированной генерации (Страница проекта: 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/).