本文介绍了一种名为CustomVideo的新型框架，通过多主题组合和注意力控制策略生成保持身份特征的视频。研究结果表明，该方法在定性、定量和用户研究方面优于之前的方法。

本文介绍了名为CustomVideo的新型框架，可以生成多个主题引导下的保持身份特征的视频。通过将多个主题组合于单个图像中，促进多主题同时出现。设计了简单而有效的注意力控制策略，解开不同主题的潜在空间。通过分割对象和提供对象蒙版，帮助模型专注于特定的对象区域。收集了多主题文本到视频生成数据集作为基准。定性、定量和用户研究结果证明了该方法的优越性。