基于DiT的id保留图像生成面临着多种挑战，缺乏定制模块设计，模型扩展的困难以及高质量数据的匮乏，因此基于flux的解决方案是相对稀缺的，pulid-flux是基于flux的id保留的初步尝试，包括instantx和xlabs-ai的flux.1-dev ip-adapters，现有方法在三个关键方面保险不足：1.身份相似性不足；2.文本-图像对齐和可编辑性差，明显存在面部的粘贴复制问题；3.fllux生成能力在很大程度上受到损害，导致图像质量和美观性降低。
Infiniteyou，引入了InfuseNet，作为controlnet的一种推广，能够接受id信息以及控制条件，通过残差连接，infusenet将投影的id特征注入到DiT基础模型中，从而使文本和id注入解耦。采用多阶段训练策略，包括预训练和监督微调sft，sft阶段利用精心设计的合成单人多样本数据生成，利用我们预训练的模型本身和各种现成模块，这一策略增强了训练数据的数量、质量和美观性和文本-图像对齐，从而改善整体模型性能&
