PSR：基于两两主体一致性奖励的多主体个性化图像生成扩缩放方法
计算机视觉与模式识别
2026-04-10 v2
摘要
针对单个主体的个性化生成模型已展现出显著效果，凸显了其巨大潜力。然而，当扩展到多个主体时，现有模型常表现下降，尤其在维持主体一致性和遵循文本提示方面。我们认为这些限制源于缺乏高质量的多主体数据集和精炼的微调策略。为此，我们提出一种可扩展的多主体数据生成管道，利用强大的单主体生成模型构建多样且高质量的多主体训练数据。通过该数据集，我们首次使单主体个性化模型能够学习合成多图和多主体场景。进一步为提升主体一致性和文本可控性，我们设计了一组两两主体一致性奖励及通用奖励机制，将其纳入精炼的强化学习阶段。为全面评估多主体个性化，我们引入新基准，横跨三维的七个子集进行评估。大量实验表明，我们的方法在推动多主体个性化图像生成方面具有有效性。Github 链接: https://github.com/wang-shulei/PSR
引用
@article{arxiv.2512.01236,
title = {PSR: Scaling Multi-Subject Personalized Image Generation with Pairwise Subject-Consistency Rewards},
author = {Shulei Wang and Longhui Wei and Xin He and Jianbo Ouyang and Hui Lu and Zhou Zhao and Qi Tian},
journal= {arXiv preprint arXiv:2512.01236},
year = {2026}
}
备注
Accepted by CVPR 2026