CA-Edit：用于高保真局部面部属性编辑的因果感知条件适配器
计算机视觉与模式识别
2024-12-19 v1 人工智能
摘要
为了实现高效且高保真的局部面部属性编辑，大多数现有编辑方法要么需要针对不同编辑效果进行额外微调，要么容易影响编辑区域之外的部分。或者，修复方法可以编辑目标图像区域同时保留外部区域。然而，当前的修复方法仍然存在与面部属性描述生成不对齐以及面部皮肤细节丢失的问题。为了解决这些挑战，(i) 引入了一种新颖的数据利用策略，从数据驱动角度构建由属性-文本-图像三元组组成的数据集；(ii) 提出了一种因果感知条件适配器，以增强特定细节的上下文因果建模，该适配器从原始图像编码皮肤细节，同时防止这些线索与文本条件之间的冲突。此外，引入了一种皮肤过渡频率引导技术，通过低频对齐驱动的采样引导进行局部上下文因果建模。大量的定量和定性实验证明了我们的方法在提升局部属性编辑的保真度和可编辑性方面的有效性。代码可在 https://github.com/connorxian/CA-Edit 获取。
引用
@article{arxiv.2412.13565,
title = {CA-Edit: Causality-Aware Condition Adapter for High-Fidelity Local Facial Attribute Editing},
author = {Xiaole Xian and Xilin He and Zenghao Niu and Junliang Zhang and Weicheng Xie and Siyang Song and Zitong Yu and Linlin Shen},
journal= {arXiv preprint arXiv:2412.13565},
year = {2024}
}
备注
accepted by aaai