RectifID：使用锚定分类器指导个性化修正流

定制扩散模型以从用户提供的参考图像生成保留身份的图像是一个引人入胜的新问题。现有的主流方法通常需要在大量特定领域的图像上进行训练，以实现身份保留，这在不同的使用案例中缺乏灵活性。为了解决这个问题，我们利用分类器指导，这是一种无训练的技术，利用现有分类器引导扩散模型，实现个性化图像生成。我们的研究表明，基于最近的修正流框架，普通分类器指导在需要特殊分类器的主要限制可以通过简单的固定点解决方案来解决，从而允许使用现成的图像鉴别器进行灵活的个性化。此外，当锚定到参考流轨迹时，其求解过程证明是稳定的，并具有收敛保证。所提出的方法在修正流和不同的现成图像鉴别器上实现，为人脸、活体对象和某些物体提供了有利的个性化结果。代码可在 https://github.com/feifeiobama/RectifID 获取。