主体驱动图像生成

从多模态大语言模型中提取能力用于主体驱动生成

本文介绍了一种结合多模态大语言模型（MLLM）与扩散模型的主体驱动图像生成新方法，旨在同时提升指令遵循能力和身份保留效果，减轻复制粘贴伪影问题。