面向人类身份的定制涂鸦艺术：基于保持面部特征的扩散模型
计算机视觉与模式识别
2026-04-14 v2
摘要
在极端风格化转换下保持面部身份是生成艺术中的主要挑战。涂鸦是一种高对比、抽象的媒介，眼睛、鼻子或嘴巴的细微变形会消除主体的可识别性，这会削弱个人和文化的真实性。我们提出了 CraftGraffiti，一个以面部特征保持为主要目标的文本引导式涂鸦生成框架。给定输入图像和风格及姿态描述提示，CraftGraffiti 首先通过 LoRA 微调的预训练扩散变换器应用涂鸦风格迁移，然后通过增强注意力层的面部一致性自注意力机制来强制身份保真。通过 CLIP 指导的提示扩展实现姿态定制，无需关键点，同时保持面部连贯性。我们形式化地论证并经验上验证了“风格优先、身份后置”范式，表明它比相反顺序减少属性漂移。定量结果显示，面部特征一致性和最先进的审美及人类偏好分数均表现出竞争力；定性分析和在 Cruilla 演唱会上的实际部署凸显了系统的实际创意影响。CraftGraffiti 推动了尊重身份的 AI 辅助艺术创作目标，提供了一种原则化的方法，用于在创意 AI 应用中实现风格自由与可识别性之间的融合。
引用
@article{arxiv.2508.20640,
title = {CraftGraffiti: Exploring Human Identity with Custom Graffiti Art via Facial-Preserving Diffusion Models},
author = {Ayan Banerjee and Fernando Vilariño and Josep Lladós},
journal= {arXiv preprint arXiv:2508.20640},
year = {2026}
}