FreeLoRA：实现自回归多主体个性化的训练-free LoRA 融合
计算机视觉与模式识别
2025-07-03 v1
摘要
受驱动的图像生成在虚拟试穿和海报设计等应用中发挥着关键作用。现有方法通常对预训练生成模型进行微调或为单个主体应用 LoRA-based 适应方法。然而，这些方法在多主体个性化方面困难重重，因为组合独立适配的模块通常需要复杂的再训练或联合优化。我们提出了 FreeLoRA，一个简单且可泛化的框架，使其能够实现自回归多主体个性化的训练-free LoRA 模块融合。每个 LoRA 模块都使用全标记调优策略在特定主体的几张图像上进行适配，该策略在提示符中所有标记上应用，以鼓励弱监督标记-内容对齐。在推断阶段，我们采用受主体 aware 的推理方法，仅激活其对应主体标记上的每个模块。这使得在单张图像中实现多个个性化主体的训练-free 融合成为可能，同时缓解了主体之间过拟合和相互干扰。大量实验表明，FreeLoRA 在主体保真度和提示一致性方面均表现出色。
关键词
引用
@article{arxiv.2507.01792,
title = {FreeLoRA: Enabling Training-Free LoRA Fusion for Autoregressive Multi-Subject Personalization},
author = {Peng Zheng and Ye Wang and Rui Ma and Zuxuan Wu},
journal= {arXiv preprint arXiv:2507.01792},
year = {2025}
}