IdentidadeEstável se baseia nos avanços mais recentes em modelos de texto para imagem pré-treinados em larga escala, permitindo a geração de alta qualidade centrada em pessoas. Diferentemente dos métodos existentes, a IdentidadeEstável garante a preservação estável da identidade e flexibilidade na edição, mesmo usando apenas uma imagem facial de cada sujeito durante o treinamento. Ela utiliza um codificador facial e um conhecimento prévio de identidade para codificar o rosto de entrada, e depois projeta a representação facial para um espaço prévio editável. Combinando o conhecimento prévio de identidade e o conhecimento prévio de editabilidade, a identidade aprendida pode ser inserida em vários contextos. Além disso, a IdentidadeEstável também foi projetada com uma perda de difusão em duas etapas mascarada para melhorar a percepção em nível de pixel do rosto de entrada e manter a diversidade da geração. Numerosos experimentos demonstram que a IdentidadeEstável supera os métodos personalizados anteriores. A identidade aprendida também pode ser integrada de forma flexível com módulos prontos para uso, como o ControlNet. É importante notar que somos o primeiro método capaz de injetar diretamente identidades aprendidas a partir de uma única imagem em geração de vídeo/3D sem ajustes finos. Acreditamos que a IdentidadeEstável representa um passo importante na unificação de modelos de geração personalizados para imagens, vídeos e modelos 3D.