在个性化生成领域, 微调可能会引起过拟合导致模型无法生成与提示词一致的结果。针对这个问题，北交&字节联合提出ClassDiffusion，来提升个性化生成的一致性。 通过两个重要观察及理论分析提出了新的观点:一致性的损失是个性化概念语义偏移导致的, 还引入了BLIP2-T 来为个性化生成领域提供更公平有效的指标。 一只狗和太阳镜的故事，展示了一只狗是如何获得诺贝尔文学奖的，以及一副太阳镜的