添加微信号：AIGC_Tech，公众号小助手会拉你进群！点击下方名片关注AIGC Studio公众号！
点击下方名片关注AIGC Studio公众号！获取最新AI前沿应用/AIGC实践教程！
让 AI 合照，终于有了"在一起"的真实感。
过去的"AI 合照"，要么太假，要么太僵。
人物眼神像复制粘贴、笑容机械、姿势割裂——
像是几张贴纸拼在一块儿，而不是一起拍的瞬间。
而如今，复旦大学联合阶跃星辰 发布的 WithAnyone，
彻底改变了这一切。
这款 AI 多人生成模型，不再只是"拼图"，
而是真正理解人与人之间的互动与氛围。
从表情到姿态，从发型到风格，
每一张都能自然而统一地"融在一起"。
🌍 "想和谁在一起，就能和谁在一起"
你可以生成单人特写、朋友合影、角色 crossover，
甚至可以大胆"整活"——
WithAnyone 都能给出令人惊喜的结果。
不仅如此，WithAnyone 还能与 LoRA 风格模型 结合，
生成不同风格的人像艺术：
这杨幂也太传神了 水墨风摩根弗里曼
小编也亲自上手，效果惊艳👇
想起那天在夕阳下快乐地奔跑
再也不是"贴上去"的合照假感，
而是光线、神态、气氛都自成一体的自然融合。
🧠 FLUX.1 Kontext：更强的编辑能力
不仅能生，还能"改"。
WithAnyone 还同步推出 FLUX.1 Kontext 版本 ——
支持人脸替换、特征微调、表情编辑等功能。
一句话总结：
想让AI合照更像真实拍的？用 WithAnyone。
🧩 打破"越像越抄"的旧范式
传统人脸生成常用"相似度"评估效果，
于是模型开始追求"越像越好"，最终陷入复制粘贴。
WithAnyone 团队提出了新的度量指标——
"复制粘贴程度"：
衡量生成图与目标图、参考图之间的距离差异。
他们在包含 GPT-4o、ID-Patch 等模型的大规模评测中发现：
几乎所有模型都呈现"相似度越高，越像复制"的趋势。
但 WithAnyone 例外——
它在保证高相似度的同时，显著降低了复制粘贴程度，
真正实现了"像，但不是抄"。
⚙️ 方法与数据集创新
WithAnyone 背后的关键，是他们构建的全新配对数据集：
每个角色的合照数据，都对应着上百张该人物的独立照片。
这让模型能够学习"一个人不同姿态下的同一身份"，
而不是简单地把参考图复制过去。
基于此，作者提出了一系列创新：
阶段性训练策略，循序渐进提升稳定性；
SigLIP + ArcFace 双编码器结构，实现多维度可控生成；
改进 ID 对比损失，扩大负样本池，提升区分度；
引入 landmark 强监督，让表情与姿态更加自然。
完整论文详见：
📄 https://arxiv.org/abs/2510.14975
🚀 开源体验
WithAnyone 已全面开源，并提供在线体验：
GitHub: https://github.com/Doby-Xu/WithAnyone
项目主页: https://doby-xu.github.io/WithAnyone/
在线 Demo: https://huggingface.co/spaces/WithAnyone/WithAnyone_Demo
WithAnyone —— 让 AI 合照不止"在一起"，更像真的"一起"。
感谢你看到这里，添加小助手 AIGC_Tech 加入官方 AIGC读者交流群，下方扫码加入 AIGC Studio 星球，获取前沿AI应用、AIGC实践教程、大厂面试经验、AI学习路线以及IT类入门到精通学习资料等，欢迎一起交流学习💗～
没有评论:
发表评论