IdentityStory：基于人类的叙事生成，保持角色一致性Paper#AI Story Generation🔬 Research|分析: 2026年1月3日 18:42•发布: 2025年12月29日 14:54•1分で読める•ArXiv分析本文解决了在视觉生成模型中生成具有一致人类角色的故事的挑战。它介绍了 IdentityStory，一个旨在保持详细的面部一致性并在连续图像中协调多个角色的框架。主要贡献是迭代身份发现和重新降噪身份注入，旨在改善角色身份保持。本文的重要性在于它有潜力增强以人为中心的叙事生成的真实性和连贯性，特别是在无限长度的故事和动态角色组合等应用中。要点•提出了 IdentityStory，一个以人为中心的叙事生成框架。•采用迭代身份发现和重新降噪身份注入以保持角色一致性。•在面部一致性和多角色场景中表现出色。•强调了无限长度故事生成和动态角色组合的潜力。引用 / 来源查看原文"IdentityStory outperforms existing methods, particularly in face consistency, and supports multi-character combinations."AArXiv2025年12月29日 14:54* 根据版权法第32条进行合法引用。较旧Frozen Neutron Stars in Four-Dimensional Non-polynomial Gravities较新Single LLM Debate, MoLaCE: Mixture of Latent Concept Experts Against Confirmation Bias相关分析Paper基于选择策略的协调人形机器人操作2026年1月3日 06:10Paper从未对齐图像即时进行3D场景编辑2026年1月3日 06:10Paper用于未来预测的LLM预测2026年1月3日 06:10来源: ArXiv