DynamicID는 단일 및 다중 ID 개인화 이미지 생성을 위한 튜닝이 필요 없는 프레임워크입니다. 기존 방법들의 한계인 제한적인 다중 ID 사용성과 부족한 얼굴 편집 기능을 해결하기 위해, 이중 단계 학습 패러다임을 기반으로 합니다. 핵심 혁신 기술로는 ID 특징 주입 시 원 모델의 훼손을 최소화하고 다중 ID 샘플 없이 다중 ID 개인화를 달성하는 Semantic-Activated Attention (SAA)와, 대조 학습을 활용하여 얼굴 움직임과 ID 특징을 효과적으로 분리 및 재결합하여 유연한 얼굴 편집을 가능하게 하는 Identity-Motion Reconfigurator (IMR)이 있습니다. 또한, 10,000명의 고유 인물 각각에 대해 35개의 서로 다른 얼굴 이미지를 포함하는 VariFace-10k 얼굴 데이터셋을 개발했습니다. 실험 결과, DynamicID는 기존 최고 성능 방법들보다 ID 충실도, 얼굴 편집 기능, 다중 ID 개인화 성능에서 우수한 결과를 보였습니다.
