PulseAugur
中
实时 10:57:58
English(EN) When Diffusion Models Forget Who You Are: Identity Preservation in Face Inpainting under Large Occlusions

新的扩散模型框架通过身份保持增强人脸修复

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为ReSem-Face的新扩散模型框架，以改进人脸修复，特别是在处理大遮挡和冲突文本指导时。这种级联扩散方法包含一个显式的身份条件语义先验，使用多个参考图像来提炼身份特征。该框架通过多流条件架构指导扩散过程，增强语义约束并稳定身份重建。在CelebAHQ-IDI-5和VGGFace2数据集上的实验表明，ReSem-Face在严重遮挡下保持身份和改进文本控制编辑方面优于现有方法。 AI

影响 这项研究可能导致更强大的图像编辑和生成AI系统，特别是在需要高身份保真度的场景中。

排序理由 该集群包含一篇详细介绍计算机视觉中扩散模型新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的扩散模型框架通过身份保持增强人脸修复

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Feng Ding, Shuhuai Xie, Yue Zhou, Yulan Zhang, Guopu Zhu, Mengyao Xiao ·

    When Diffusion Models Forget Who You Are: Identity Preservation in Face Inpainting under Large Occlusions

    arXiv:2608.04820v1 Announce Type: new Abstract: Face inpainting with diffusion models has recently achieved impressive visual quality, yet preserving identity fidelity under significant occlusion and conflicting text guidance remains a major challenge. To address this issue, we p…

相关实体

相关话题