**HOMIE：基于多模态智能增强的人物-物体中心视频个性化**

_HOMIE: Human-object Centric Video Personalization via Multimodal Intelligent Enchancement_

> 针对现有主体驱动视频生成在人物与物体交互及抽象概念（如Logo）保真度上的不足，HOMIE提出统一框架解决跨主体与跨主体内个性化问题。该方法通过改进多模态大语言模型集成策略，在自注意力机制中引入全局多模态引导和模态参考嵌入，有效对齐语义特征并区分Token，实现了当前最优性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18217)