.png){kind=icon}
返回
Robust ID-Specific Face Restoration via Alignment Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5702-8_9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
面部修复领域的最新进展通过利用多样的扩散先验显著提升了视觉效果。然而，由身份模糊输入和随机生成过程引入的面部身份不确定性仍未解决。为应对这一挑战，我们提出了鲁棒身份特定的面部修复（RIDFR），一种基于扩散模型的全新身份特定面部修复框架。具体而言，RIDFR利用预训练的扩散模型并结合两个并行条件模块。内容注入模块输入严重退化的图像，而身份注入模块则整合给定图像中的特定身份。随后，RIDFR引入对齐学习，将多个具有相同身份的参考图像的修复结果对齐，以抑制无关身份的面部语义（如姿态、表情、妆容、发型）的干扰。实验表明，我们的框架优于当前最先进的方法，能够重建高质量且身份保真度高的身份特定结果，并展现出强大的鲁棒性。
Keyword:
Face Restoration
Diffusion Models
Low-level vision
期刊
P
IF:
0
论文数:
29
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容