PIA：基于文本生成图像模型即插即用模块的个性化图像动画生成器

个性化文本生成图像（T2I）模型的最新进展彻底改变了内容创作，使非专业人士能够生成具有独特风格的惊艳图像。尽管前景广阔，但通过文本为这些个性化图像添加逼真动作，在保持独特风格、高保真细节以及实现文本动作可控性方面面临重大挑战。本文提出 PIA，一种个性化图像动画生成器，擅长对齐条件图像，通过文本实现动作可控性，且无需特定微调即可兼容各种个性化 T2I 模型。为实现这些目标，PIA 构建于具备训练良好的时间对齐层的基础 T2I 模型之上，允许将任何个性化 T2I 模型无缝转换为图像动画模型。PIA 的关键组件是引入了条件模块，该模块利用条件帧和帧间亲和度作为输入，在隐空间中为单帧合成在亲和度提示的引导下传递外观信息。该设计缓解了外观相关图像对齐的挑战，并允许更专注于对齐动作相关的指导。