요약기존의 personalization 방법은 test 시점에서의 finetuning, multiple input images의 요구, 낮은 identity preservation, 생성된 결과물의 제한된 다양성 문제가 있다. 이런 문제를 해결하기 위해 단일 face image에서 personalized image generation을 위한 diversity와 identity preservation을 향상시키는 tuning-free 접근 방식인 IDAdapter를 제안한다. IDAdapter는 text와 visual 주입 및 face identity loss의 결합을 통해 generation 과정에 personalized concept을 통합한다. 학습 단계에서는 특정 identity의 multiple ..
