Lynx：面向高保真个性化视频生成
计算机视觉与模式识别
2025-09-22 v1
摘要
我们提出了 Lynx，一个用于从单个输入图像生成高保真度个性化视频的模型。基于开源扩散转换器 (DiT) 基础模型，Lynx 引入两种轻量级适配器以确保身份保真。ID 适配器采用 Perceiver Resampler 将 ArcFace 提取的人脸嵌入转换为紧凑的身份标记用于条件控制；Ref 适配器集成来自冻结参考路径的稠密 VAE 特征，通过跨注意力机制将细粒度细节注入所有转换器层。这些模块共同实现了身份保持、时序连贯性和视觉真实性之间的平衡。在构建的 40 个受试者和 20 个无偏提示构成的基准测试中进行评估，该模型在面容相似性、提示跟随和视频质量方面均表现出色，推动了个性化视频生成技术的发展。
引用
@article{arxiv.2509.15496,
title = {Lynx: Towards High-Fidelity Personalized Video Generation},
author = {Shen Sang and Tiancheng Zhi and Tianpei Gu and Jing Liu and Linjie Luo},
journal= {arXiv preprint arXiv:2509.15496},
year = {2025}
}
备注
Lynx Technical Report