StorySync：通过区域融合实现文本到图像生成中的无训练主体一致性

使用文本到图像扩散模型生成讲叙事的图像序列时，常面临在所有故事场景中维持主体一致性的关键挑战。现有方法通常依赖微调或重新训练模型，计算成本高昂、耗时且可能干扰模型的既有功能。在本文中，我们采用训练-free方法，提出一种高效的一致主体生成方法。该方法可无缝集成到预训练扩散模型中，通过引入掩码跨图像注意力共享来动态对齐主体特征，并通过区域特征融合来细化视觉上相似的细节，以实现更好的主体一致性。实验结果表明，我们的方法成功在各种场景下生成视觉上一致的主体，同时保持扩散模型的创造能力。