ConsiStory

该项目的核心优势、应用场景和相关项目如下：
– **核心优势**：
– 训练自由：ConsiStory是一种无训练的方法不需要微调或个性化因此可以在H100上每生成一张图像大约需要10秒（比以前的最先进方法快20倍）。
– 主题驱动的共享注意力块：引入了一个主题驱动的共享注意力块和基于对应的特征注入以促进图像之间的主题一致性。
– 鼓励布局多样性：开发了一些策略来鼓励布局多样性同时保持主题一致性。
– **应用场景**：
– 多主题场景：ConsiStory可以自然地扩展到多主题场景甚至可以为常见对象启用无训练个性化。
– 训练自由的个性化：利用编辑友好的反转来反转每个主题的2张真实图像。这些反转的图像在我们的方法中用作无训练个性化的锚点。
– **相关项目**：
– IP-Adapter：一种基于编码器的方法通过在预训练的模型中添加一个额外的编码器来学习特定主题的表示。
– TI：一种基于优化的方法通过在预训练的模型中添加一个额外的优化器来学习特定主题的表示。
– DB-LORA：一种基于优化的方法通过在预训练的模型中添加一个额外的优化器来学习特定主题的表示。