[논문리뷰] UMO: Scaling Multi-Identity Consistency for Image Customization via Matching Reward본 논문은 이미지 커스터마이징 모델에서 다중 정체성(multi-identity)을 생성할 때 발생하는 정체성 일관성 부족(identity consistency) 과 정체성 혼란(identity confusion) 문제를 해결하는 것을 목표로 합니다.#Review#Image Customization#Multi-Identity Generation#Identity Consistency#Identity Confusion#Reinforcement Learning#Diffusion Models#Matching Reward#Global Assignment2025년 9월 10일댓글 수 로딩 중
[논문리뷰] USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning본 논문은 스타일 기반 생성(style-driven generation)과 주제 기반 생성(subject-driven generation)이 기존에 별개의 태스크로 다뤄져 상충되는 문제를 해결하고자 합니다.#Review#Style-Driven Generation#Subject-Driven Generation#Disentangled Representation#Reward Learning#Cross-Task Learning#Diffusion Models#Image Customization#Unified Framework2025년 8월 29일댓글 수 로딩 중