20251203周三日记

今日：
1.炉石新版本大更。一早来实验室，边玩边调研，真挖到宝了。找到一个无训练的仓库，给师兄推过去，非常不错。
2.中午和同门吃饭，吃完回来继续跑vggt代码，手动下载调研的文章。好像3D generation有点少。
3.三点多去健身，边玩边爬一个小时，回去洗澡换衣服，去实验室和师兄吃饭，吃完饭溜达一圈聊天。
4.晚上看了Infinite Story这篇文章，很简单，笔记直接在zotero里写，一会复制过来，准备回去打o。

Infinite-story A Training-Free Consistent Text-to-image Generation收获感悟
动机：
1.生成一个场景的多张图时（线性叙事），后面的往往忘了画风，人物特征等。用一个无训练框架规范。
2.生成模型受训练数据的刻板印象非常严重。生成的都是脸谱化的。

保证角色主体、画风等一致👆

方法：
1.一般token分为identification+expression，把前者提取出来添加进入每个token的前面。增强主体的一致性。
2.设定第一帧为参考，用相似性去约束其余帧。避免只会模仿把要求也忘了，同时看有文本和没文本的情况下哪个生成相似性更好。

Baseline：pre-trained Infinity 2B model
实验：指标文章中说得很清晰（标绿部分），附录中把作用也都解释了。

很简单这篇。

其中这段比较有意思，发给了两位要考研的同学：