南开提出1Prompt1Story，无需训练，可通过单个连接提示实现一致的文本到图像生成。

（1Prompt1Story）是一种无训练的文本到图像生成方法，通过整合多个提示为一个长句子，并结合奇异值重加权（SVR）和身份保持交叉注意力（IPCA）技术，解决了生成图像中身份不一致的问题，同时保持了文本描述的精准对齐。

相关链接

• 论文：https://arxiv.org/abs/2501.13554

• 代码：https://github.com/byliutao/1Prompt1Story

• 主页：https://byliutao.github.io/1Prompt1Story.github.io/

论文介绍

论文出了一种无需训练的方法1Prompt1Story，通过单个连接提示实现一致的文本到图像生成。我们的方法可以应用于所有基于文本嵌入的文本到图像模型。此外，它还支持多字符生成、ControlNet 引导生成和个性化生成逼真的图像。

方法

(a)：1Prompt1Story 的整体流程。我们将身份提示和框架提示合并为一个提示，然后应用奇异值重加权 (SVR) 和身份保留交叉注意力 (IPCA) 来生成身份一致的图像。(b)：在SVR期间，我们首先增强表达集X_exp的语义信息（红色箭头），然后迭代地削弱抑制集X_sup的语义（蓝色箭头）。(c)：在IPCA中，我们将 K_tilde 与 K_bar 连接，将 V_tilde 与 V_bar 连接，以提高身份一致性。

（左）：1Prompt1Story 可以与 ControlNet 集成，以实现空间控制，从而实现一致的角色生成。（右）：此外，我们的方法还可以与其他方法（例如 PhotoMaker）结合使用，以实现真实图像个性化，同时提高身份一致性。

结果展示

现有方法（上）在 T2I 生成一致性方面面临挑战。SDXL 和 Juggernaut-X-v10 等 T2I 模型在生成的图像之间经常表现出明显的身份不一致。尽管包括 IP-Adapter 和 ConsiStory 在内的最新方法已经提高了身份一致性，但它们失去了生成的图像与相应输入提示之间的一致性。我们方法的其他结果（下）展示了卓越的一致性，同时不损害文本和图像之间的一致性。

对帧提示顺序的鲁棒性。使用同一组帧提示但不同的顺序，我们的方法 1Prompt1Story 可以一致地生成具有统一标识的图像。

多主题故事生成。通过在身份提示中定义多个主题，我们的方法生成具有多个角色的图像，每个图像都保持良好的身份一致性。

种子变化。通过使用不同的种子，1Prompt1Story 可以生成具有不同背景的图像，同时保持一致的身份。

与不同的基础模型相结合。