属性感知盲面人脸恢复 (A2BFR)
计算机视觉与模式识别
2026-04-01 v1
摘要
盲面人脸恢复（BFR）旨在从退化输入中恢复高质量人脸图像，但其固有的欠定性质导致解决方案具有歧义且不可控。近期的扩散方法 BFR 改进了感知质量，但仍不可控，而文本引导的人脸编辑则实现了属性操控但缺乏可靠的恢复。为此，我们提出 ABFR，一个属性感知盲面人脸恢复框架，统一高保真恢复与提示可控生成。基于扩散 Transformer 架构，ABFR 利用统一的图像-文本跨模态注意力，将退化输入和文本提示同时作为去噪轨迹的条件。为注入语义先验，我们引入属性感知学习，利用由属性感知编码器提取的人脸属性嵌入来监督去噪潜在表示。为进一步增强提示可控性，我们引入语义双训练，利用新建构的 AttrFace-90K 数据集中的成对属性变化，以强化属性判别力的同时保持保真度。广泛的实验表明，ABFR 在恢复保真度和指令遵循度方面实现了最佳性能，相较于扩散方法 BFR 基线以 -0.0467 LPIPS 和 +52.58% 属性准确率提升，同时即使在严重退化情况下也能实现细粒度、提示可控的人脸恢复。
引用
@article{arxiv.2603.29423,
title = {A2BFR: Attribute-Aware Blind Face Restoration},
author = {Chenxin Zhu and Yushun Fang and Lu Liu and Shibo Yin and Xiaohong Liu and Xiaoyun Zhang and Qiang Hu and Guangtao Zhai},
journal= {arXiv preprint arXiv:2603.29423},
year = {2026}
}