基于DiT的id保留圖像生成面臨著多種挑戰，缺乏定制模塊設計，模型擴展的困難以及高質量數據的匱乏，因此基于flux的解決方案是相對稀缺的，pulid-flux是基于flux的id保留的初步嘗試，包括instantx和xlabs-ai的flux.1-dev ip-adapters，現有方法在三個關鍵方面保險不足：1.身份相似性不足；2.文本-圖像對齊和可編輯性差，明顯存在面部的粘貼復制問題；3.fllux生成能力在很大程度上受到損害，導致圖像質量和美觀性降低。
Infiniteyou，引入了InfuseNet，作為controlnet的一種推廣，能夠接受id信息以及控制條件，通過殘差連接，infusenet將投影的id特征注入到DiT基礎模型中，從而使文本和id注入解耦。采用多階段訓練策略，包括預訓練和監督微調sft，sft階段利用精心設計的合成單人多樣本數據生成，利用我們預訓練的模型本身和各種現成模塊，這一策略增強了訓練數據的數量、質量和美觀性和文本-圖像對齊，從而改善整體模型性能&
