MDiTFace

新的MDiTFace框架增强了掩码-文本面部生成

研究人员开发了MDiTFace，一个新颖的扩散Transformer框架，用于高保真掩码-文本协同面部生成。该框架采用统一的标记化策略处理语义掩码和文本描述，实现了更有效的跨模态交互。一项关键创新是解耦注意力机制，它将掩码标记与时间嵌入分开，在保持性能的同时将计算开销优化了94%以上。实验表明，MDiTFace在面部保真度和条件一致性方面均优于现有方法。