桥接信息不对称：面向确定性盲人脸修复的层次框架
计算机视觉与模式识别
2026-01-29 v2
摘要
盲人脸修复始终面临挑战，由于从严格受限观察中重建整体结构是不确定的。当前生成方法虽能合成逼真的纹理，却因信息不对称——即信息稀疏的低质量输入与信息密集的高质量输出之间的固有差异——而受限。这种不平衡导致一对多的映射，导致约束不足产生随机不确定性和幻觉伪影。为弥合这一差距，我们提出了 \textbf{Pref-Restore}，一个集成离散语义逻辑与连续纹理生成的层次框架，以实现确定性、偏好对齐的修复。我们的 метод论通过两种互补策略根本性地解决了这一信息差异：（1）增密输入：我们采用自回归积分器将文本指令重新表述为稠密潜在查询，注入高阶语义稳定性以约束退化信号；（2）修剪输出分布：我们首次将基于策略的强化学习直接集成到扩散修复循环中。通过将人类偏好转化为可微分约束，我们显式惩罚随机偏差，从而将后验分布锐化至所需的高保真结果。广泛实验表明，Pref-Restore 在合成和真实世界基准上实现了最先进的性能。此外，经验分析确认，我们的偏好对齐策略显著降低了解的熵，为通向可靠且确定性盲人修复奠定了稳健的路径。
引用
@article{arxiv.2601.19506,
title = {Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration},
author = {Zhengjian Yao and Jiakui Hu and Kaiwen Li and Hangzhou He and Xinliang Zhang and Shuang Zeng and Lei Zhu and Yanye Lu},
journal= {arXiv preprint arXiv:2601.19506},
year = {2026}
}