本研究提出DynamicID框架，解决个性化人像生成中的多-ID可用性和面部可编辑性问题。通过双阶段训练和创新机制，显著提升了生成图像的个性化和可编辑性，实验结果表明其性能优于现有技术。

本研究提出了MAJL框架，以解决音乐源分离和音高估计中的数据不足问题。通过双阶段训练和动态加权，MAJL显著提升了这两个任务的性能，超越了现有方法。