AgeBooth：基于扩散模型的可控面部年龄化与逆龄化
计算机视觉与模式识别
2025-10-08 v1
摘要
近期的扩散模型研究聚焦于从参考照片生成身份保持一致的图像，但这些方法在保持身份的同时难以准确控制年龄，且微调此类模型通常需要昂贵的跨年龄配对图像。本文提出了 AgeBooth，一种新颖的年龄特定微调方法，能够在无需昂贵年龄变化数据集的情况下，有效提升基于适配器的身份个人化模型的年龄控制能力。为减少对大量带年龄标签数据依赖，本文通过引入年龄条件化提示混合和基于 SVDMix 的年龄特定 LoRA 深度融合策略，利用矩阵融合技术，实现对中间年龄人脸图像的高质量生成。我们的 AgeBooth 能够从单一参考图像生成不同年龄下的真实且身份保持一致的面部图像。实验表明，AgeBooth 在年龄控制和视觉质量方面优于以往基于编辑的前沿方法。
引用
@article{arxiv.2510.05715,
title = {AgeBooth: Controllable Facial Aging and Rejuvenation via Diffusion Models},
author = {Shihao Zhu and Bohan Cao and Ziheng Ouyang and Zhen Li and Peng-Tao Jiang and Qibin Hou},
journal= {arXiv preprint arXiv:2510.05715},
year = {2025}
}