Dense-Face：基于稠密标注预测的个人化人脸生成模型
计算机视觉与模式识别
2024-12-25 v1
摘要
文本到图像（T2I）个性化扩散模型能够根据用户输入的文本描述生成新颖概念的图像。然而，现有的T2I个性化方法要么需要测试时微调，要么无法生成与给定文本描述良好一致的图像。本文提出了一种新的T2I个性化扩散模型Dense-Face，能够生成与给定参考主体身份一致且与文本描述良好对齐的人脸图像。具体而言，我们引入了用于高保真图像生成的姿态可控适配器，同时保持预训练稳定扩散（SD）的数据驱动编辑能力。此外，我们使用SD UNet的内部特征预测稠密人脸标注，使该方法能够在人脸生成领域获得领域知识。经实验验证，我们的方法在图像-文本对齐、身份保持和姿态控制方面实现了最先进或竞争的生成性能。
引用
@article{arxiv.2412.18149,
title = {Dense-Face: Personalized Face Generation Model via Dense Annotation Prediction},
author = {Xiao Guo and Manh Tran and Jiaxin Cheng and Xiaoming Liu},
journal= {arXiv preprint arXiv:2412.18149},
year = {2024}
}
备注
15 figures, 5 tables