ConsisIDは、周波数領域で人物制御信号を用いることで、入力テキストの説明と一致する高忠実度の動画を生成する、周波数分解に基づく人物同一性維持テキストから動画への生成モデルです。このモデルは、異なるケースに合わせて煩雑な微調整を行う必要がなく、生成される動画における人物の同一性を維持することができます。ConsisIDの提案は、特に調整不要なプロセスと周波数認識による人物同一性維持制御スキームにおいて、動画生成技術の発展を推進します。