🌟 **AI合照的“灵魂”问题得以解决**：WithAnyone打破了传统AI合照技术中人物表情僵硬、眼神呆板、姿势不协调的弊端，通过先进的AI技术，实现了人物之间自然的情感交流和姿态配合，让AI生成的合照如同真人一同拍摄，充满真实感和生活气息，真正实现了“在一起”的视觉效果。
💡 **创新性的“复制粘贴程度”指标与模型方法**：该工具引入了衡量AI生成图与参考图“复制粘贴”程度的新指标，并基于此开发了模型。通过收集包含“目标生成图、输入参考图”的测试集，并利用拥有大量单人照片的配对数据进行训练，WithAnyone学习到如何在保持人物身份一致性的同时，生成不同表情、姿态和神态，从而有效避免了简单粗暴的“复制粘贴”，实现了高相似度与低复制粘贴的突破。
🚀 **强大的多功能性与可控性**：WithAnyone不仅限于生成普通的合照，它还能够胜任单人照片、朋友合照、影视角色跨界、风格画像等多种创意场景。此外，它还支持与LoRA模型结合，进一步拓展了生成风格的多样性。其FLUX.1 Kontext版本更进一步，提供了无缝的人脸编辑、特征替换和细节微调功能，赋予用户极高的创作自由度和对生成结果的精细控制能力。
🌐 **开源与便捷的体验方式**：该项目已全面开源，并提供了GitHub地址、项目主页以及在线Demo，方便用户进行学习、研究和体验。用户可以通过简单的操作，即可初步感受WithAnyone在生成自然逼真AI合照方面的强大能力，降低了AI艺术创作的门槛。
原创 让你更懂AI的 2025-10-30 13:56 北京
复旦×阶跃星辰推出WithAnyone，把“在一起”变真
AI 合照终于不再像贴纸了 🔥
这次，它真的能“在一起”了。
过去的人脸参考生成，要么“不像”，要么“太像”。
一张图里的人物，表情僵硬、眼神复制、姿势割裂——
明明是“合照”，却像几张贴纸凑在一起，完全没有灵魂。
就在近日，复旦大学联合阶跃星辰发布了 WithAnyone——
一款真正做到可控的 AI 多人人脸参考生成工具。
从表情、发型到姿态，都能自然协调；
不再陷入“相似度”与“贴脸感”的两难。
生成效果直接看图👇
每张都像是真人一起拍的，而不是后期拼上去的。
不论你想生成单人照片、朋友的合照、影视角色 crossover、风格画像，
还是纯整活——WithAnyone 都能 hold 住。
▲ 你们盾牌的项目我王多鱼投了
▲ 你们想拍新三国的项目我王多鱼也投了
▲ 名侦探卷福
▲ 秋天的第一杯咖啡
甚至还支持和 LoRA 配合，生成更多风格！
▲ 这杨幂也太传神了
▲ 水墨风摩根弗里曼
小编也试了一下，效果还挺惊喜的：
还有刚刚过去的诺贝尔落下的奖项
▲ 诺贝尔闭源奖
“贴上去”的假感没了，取而代之的是风格统一、气氛自然、表情呼应。
这才是合照该有的样子。
还支持人脸编辑版本！
更进一步，WithAnyone 还推出了 FLUX.1 Kontext 版本，
可以实现无缝人脸编辑、特征替换和细节微调。
一句话总结就是：
想让 AI 照片看起来更像真实拍摄的？试试 WithAnyone。
在过去，评价人脸生成像不像的指标，是“人脸相似度”。怎样生成的人脸相似度最高呢？那自然是复制粘贴参考图上的人脸。
这无意间在引导模型去复制粘贴，甚至在引导开发者，去训练他们的模型进行复制粘贴。
而 WithAnyone 则站出来，要打破这一现象了，他们搜罗了一个含有 “目标生成图、输入参考图”的测试集，并基于此提出了“复制粘贴程度”的指标：
定义为，生成图到目标图的距离，减去生成图到输入参考图的距离，并用原本目标图和参考图的距离做正则化。他的物理意义很明确：离参考图越近，就越是“复制粘贴”，离目标图比离参考图更近，则越不是“复制粘贴”。
WithAnyone 的作者测试了包含 GPT-4o 在内的一众 ID 生成模型：
发现之前的各种模型，形成了一条鲜明的拟合直线— ID 相似度越高，复制粘贴程度也就越高。这或许就是文章作者结论的来源：越像就越是复制粘贴。
而我们可以看到，WithAnyone 则是跳出了这个“越像越复制粘贴”的困境，一举达到了右上角：既达到了领先的相似度，也达到了最少的复制粘贴。
那么他们是怎么做到这一点的呢？
模型方法
WithAnyone 的作者收集了大量可以配对的数据：他们的合照数据上，每个人物的 ID，都对应着几百张这个人物自己单独的照片。
过去没有这样的数据，ID 生成模型是怎样训练的呢？同一张人脸，他既是模型的参考输入，也是模型的生成监督。这就是在训练模型刻意地复制粘贴。
而有了这样配对的数据，训练时，模型得以见到同一个人不同的表情、姿态，让模型得以学习到如何不复制粘贴地，去真正生成这个人的不同动作神态。
作者还在这个数据集的基础上，提出了一系列针对性的举措：
提出阶段性训练策略，为模型制定合理的学习过程；
提出 SigLIP 和 ArcFace 双编码器协同注入，在参考图维度实现可控；
提出 ID 对比损失，并用数据集特性，大大拓展负样本池，进一步提升 ID 相似度；
改进 ID 损失，加入 landmark 上的强引导，提升 ID 损失的监督强度与训练效率；
论文地址：
https://arxiv.org/abs/2510.14975
开源 & 体验方式
项目已全面开源，甚至还有 Demo！点击即玩：
👉 GitHub 地址：
https://github.com/Doby-Xu/WithAnyone
👉 项目主页：
https://doby-xu.github.io/WithAnyone/
👉 在线 demo：
https://huggingface.co/spaces/WithAnyone/WithAnyone_Demo
更多阅读
#投 稿 通 道#
让你的文字被更多人看到
如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。
总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。
PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。
📝 稿件基本要求：
• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注
• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题
• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算
📬 投稿通道：
• 投稿邮箱：hr@paperweekly.site
• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者
• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿
△长按添加PaperWeekly小编
🔍
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
·
AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。
鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑