PhotoMaker

PhotoMaker 是一个个性化文本到图像生成项目，官方页面的介绍标题是“PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding”。项目由南开大学、腾讯 PCG ARC Lab 与东京大学的研究者合作完成，论文发表于 CVPR 2024，官方网址为 https://photo-maker.github.io/。

它是怎么工作的

PhotoMaker 的核心思路是把同一个人的多张输入图片编码成一组“stacked ID embedding”（堆叠 ID 嵌入），作为该身份的统一表示，再送入扩散模型的 cross-attention 层，与文本提示共同决定生成结果。页面还提到一条 ID 导向的数据构建流程，用于准备训练数据。

能做什么

• 写实人像个性化：在给定文本提示下生成保留输入身份特征的真人照片。
• 重语境化：把绘画、雕塑或老照片中的人物“带到”当代语境中生成照片。
• 风格化：在保留身份属性的同时生成不同风格化的结果。
• 年龄与性别变化：通过替换 man、woman 等类别词，改变性别与年龄。
• 身份混合：输入不同 ID 的图片，融合成新的身份；可用输入图片比例或提示词加权控制融合比例。
• 效率与保真：页面称其比基于测试时微调（test-time fine-tuning）的方法具有更好的 ID 保持能力，同时速度提升明显。

版本与获取方式

页面标注已发布 PhotoMaker-V2，并提供了 Paper、Code、Demo、Model Card 与 BibTeX 入口；关于 V2 的更新细节以页面视频与仓库说明为准。论文引用信息为：Li, Zhen 等，PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding，CVPR 2024。

使用前需要注意

页面展示的是研究项目成果，没有说明面向普通用户的付费套餐、账号体系或企业资质，涉及生成人物肖像时需自行确认素材授权与当地法规要求。此外，页面示例中的提示词为简化版本，实际效果以官方 Demo 与代码为准。