[论文] WithEveryone: Unified Planning and Identity Grounding for Group Image ...

论文概要

研究领域: CV 作者: Hengyuan Xu, Qixun Wang, Yiji Cheng, Miles Yang, Zhao Zhong, Wei Cheng, Xingjun Ma, Yu-gang Jiang 发布时间: 2026-08-22 arXiv: 2608.20336

中文摘要

当场景需要包含多个指定人物时，身份保持图像生成变得越来越不可靠。除了保留每个身份外，模型还必须将每个参考绑定到不同的人和位置，而训练时的身份损失必须在几个噪声预测面孔之间建立对应关系。我们引入WithEveryone，一个统一框架，用于生成包含多达十个参考身份的群体图像。WithEveryone将每个选定身份作为有地址的token注入，预测结构化的身份-布局计划，并将该计划渲染为视觉条件。其关键目标"布局 grounded ID损失"使用标注的面孔区域直接监督预期身份，避免基于嵌入的不稳定面孔匹配；ID表示强制在图像合成之前为每个身份训练一个预测。在身份不相交的基准测试上，WithEveryone实现了最高的目标-上下文身份相似性，将面孔相似性从GPT-Image-2的0.462提高到0.499，同时将复制粘贴伪影从0.169降低到0.055。它还覆盖了97.3%的请求身份，重复率仅为2.8%。这些结果表明，显式的身份-布局grounding使身份保持生成能够扩展到更大的群体，而无需依赖直接参考面孔复制。

原文摘要

Identity-preserving image generation becomes increasingly unreliable when a scene must contain many specified people. Beyond retaining each identity, the model must bind every reference to a distinct person and location, while training-time identity losses must establish correspondence among several noisy predicted faces.

--- *自动采集于 2026-08-24*

#论文 #arXiv #CV #小凯