最优SD角色特征固定工具来了！字节提出PuLID，实现文生图中高度的ID保真度与可编辑性。

主要观点总结

介绍了一个名为PuLID的新的文本生成图像领域的ID定制方案。该方案基于对比对齐，实现了高度的ID保真度与可编辑性，同时最小化了对原始模型的影响。文章详细描述了PuLID的特点、方法、实验和应用。

关键观点总结

关键观点1: PuLID的特点

PuLID作为一个新的ID保持项目，能够实现高度的ID保真度与可编辑性，并且在身份信息加入前后，能够保持图像的背景、光线、布局和风格等元素的一致性。

关键观点2: PuLID的方法

PuLID通过结合一个标准扩散分支与一个LightningT2I分支，引入了对比对准损耗和精确ID损耗。其中，Lightning T2I训练分支利用快速采样方法，在几个步骤中迭代地将纯噪声转化为高质量图像。此外，还介绍了如何构建带有和不带有ID注入的对比路径，并引入对齐损失来指导模型如何插入ID条件。

关键观点3: PuLID的实验结果

实验表明，PuLID在ID保真度和可编辑性方面都取得了较好的性能。与其他方法相比，PuLID在提高身份保真度的同时，对原始模型造成的干扰更小。

关键观点4: PuLID的应用

除了基本的文本生成图像任务，PuLID还可以应用于风格变化、IP融合、配件修改、重新语境化、属性编辑等多种场景。此外，PuLID还可以实现从非照片真实领域转换到照片真实领域的图像生成。