InfiniteYou（InfU）是字节跳动推出的图像生成框架，基于Diffusion Transformers，能够保持人物身份一致性。它解决了身份相似度、图文对齐和生成质量等问题，采用InfuseNet提升身份保真度，并通过多阶段训练优化生成效果，表现超越现有方法。

本研究提出了一种交互视角参照的多目标跟踪方法（CRMOT），有效解决了单视图多目标跟踪中因对象外观不可见导致的匹配错误问题。通过多视角确保对象的准确跟踪和身份一致性，实验结果表明该方法在新基准上表现优异。

当前人物图像动画扩散模型在身份一致性方面存在挑战。本文提出的StableAnimator是首个端到端身份保持的视频扩散框架，能够根据参考图像和姿态合成高质量视频，实验结果表明其在身份保持和动画质量上表现优异。

本研究提出了一种无调优的控制模型ConsisID，通过频率分解实现身份保留的文本到视频生成（IPT2V），显著提升了生成视频的质量和身份一致性，为该领域提供了新的解决方案。

本文介绍了一种名为“Identity Consistency Transformer”的新的人脸伪造检测方法，通过检测可疑面部中的身份不一致来确定身份一致性，并包含一致性损失。该方法具有优越的泛化能力，适用于检测涉及名人的面部伪造。