MV-Adapter est une solution de génération d'images multivues basée sur un adaptateur. Elle permet d'améliorer les modèles pré-entraînés de texte vers image (T2I) et leurs dérivés sans modifier l'architecture du réseau ni l'espace des caractéristiques. En actualisant un nombre réduit de paramètres, MV-Adapter assure un entraînement efficace tout en préservant les connaissances a priori intégrées dans le modèle pré-entraîné, réduisant ainsi le risque de sur-apprentissage. Grâce à une conception innovante, comme les couches d'auto-attention répliquées et l'architecture d'attention parallèle, l'adaptateur peut hériter des connaissances a priori puissantes du modèle pré-entraîné pour modéliser de nouvelles connaissances 3D. De plus, MV-Adapter fournit un encodeur conditionnel unifié qui intègre de manière transparente les paramètres de la caméra et les informations géométriques, prenant en charge la génération 3D conditionnelle au texte et à l'image, ainsi que des applications telles que le mapping de textures. MV-Adapter a réalisé une génération multivues à une résolution de 768 pixels sur Stable Diffusion XL (SDXL), démontrant son adaptabilité et sa polyvalence, capable de s'étendre à la génération de vues arbitraires et ouvrant ainsi des possibilités d'applications plus larges.