CharCom：用于多角色故事插图的可组合身份控制
人工智能
2025-11-24 v2
摘要
确保字符身份在不同提示下的一致性是基于扩散的文本到图像生成中的一个根本性局限。我们提出了CharCom框架，这是一个模块化且参数高效的框架，通过可组合LoRA适配器实现字符一致的故事插图，使能够在不重新训练基础模型的情况下实现高效的 per-character 定制。基于冻结的扩散 Backbone，CharCom 利用基于提示的控制在推理时动态组合适配器。实验在多场景叙事上表明，CharCom显著提升了字符保真度、语义对齐度和时间一致性。它在拥挤场景中保持稳健，并通过最小开销实现可扩展的多角色生成，非常适合用于故事插图和动画等实际应用。
引用
@article{arxiv.2510.10135,
title = {CharCom: Composable Identity Control for Multi-Character Story Illustration},
author = {Zhongsheng Wang and Ming Lin and Zhedong Lin and Yaser Shakib and Qian Liu and Jiamou Liu},
journal= {arXiv preprint arXiv:2510.10135},
year = {2025}
}
备注
Accepted by ACM MMAsia 2025