स्थिर पहचान (StableIdentity) बड़े पूर्व-प्रशिक्षित पाठ-से-चित्र मॉडल की नवीनतम प्रगति पर आधारित है, जो उच्च-गुणवत्ता वाले मानव-केंद्रित निर्माण को सक्षम बनाता है। मौजूदा विधियों के विपरीत, स्थिर पहचान (StableIdentity) स्थिर पहचान संरक्षण और लचीली संपादन क्षमता सुनिश्चित कर सकती है, भले ही प्रशिक्षण के दौरान प्रत्येक विषय की केवल एक चेहरे की छवि का उपयोग किया गया हो। यह चेहरे के एन्कोडर और पहचान पूर्वानुमान का उपयोग करके इनपुट चेहरों को एन्कोड करता है, और फिर चेहरे के प्रतिनिधित्व को एक संपादन योग्य पूर्वानुमान स्थान पर प्रोजेक्ट करता है। पहचान पूर्वानुमान और संपादन योग्यता पूर्वानुमान के संयोजन से, सीखी गई पहचान को विभिन्न संदर्भों में इंजेक्ट किया जा सकता है। इसके अतिरिक्त, स्थिर पहचान (StableIdentity) इनपुट चेहरों की पिक्सेल-स्तरीय समझ को बढ़ाने और उत्पन्न विविधता को बनाए रखने के लिए एक मास्किंग दो-चरण प्रसारण हानि भी डिज़ाइन करती है। बड़ी संख्या में प्रयोगों से पता चलता है कि स्थिर पहचान (StableIdentity) की कार्यक्षमता पिछली अनुकूलन विधियों से बेहतर है। सीखी गई पहचान को ControlNet जैसे तैयार मॉड्यूल के साथ लचीले ढंग से जोड़ा जा सकता है। उल्लेखनीय है कि हम पहले ऐसे हैं जो बिना किसी माइक्रो-ट्यूनिंग के सीधे एकल छवि से सीखी गई पहचान को वीडियो/3D निर्माण में जोड़ सकते हैं। हमें विश्वास है कि स्थिर पहचान (StableIdentity) छवि, वीडियो और 3D अनुकूलन निर्माण मॉडल को एकीकृत करने का एक महत्वपूर्ण कदम है।