DiffClean：基于扩散模型的化妆去除用于精确年龄估计
计算机视觉与模式识别
2026-04-14 v3
摘要
准确的年龄验证可保护未成年用户免受Unauthorized access to online platforms and e-commerce sites that provide age-restricted services。然而，准确的年龄估计可能受到多种因素的干扰，包括会改变感知身份和年龄的化妆，以欺骗人类和机器。本文提出 DiffClean，通过文本引导扩散模型消除化妆痕迹，以抵御化妆攻击。DiffClean 在年龄估计（儿童与成人准确率提升 5.8%）和人脸验证（在 FMR=0.01 时 TMR 提升 5.1%）方面优于带化妆图像。该方法在数字模拟和真实世界的化妆风格方面都具有鲁棒性，在生物识别和感知质量方面优于多个基线方法。我们的代码已公开于 https://github.com/Ektagavas/DiffClean。
引用
@article{arxiv.2507.13292,
title = {DiffClean: Diffusion-based Makeup Removal for Accurate Age Estimation},
author = {Ekta Gavas and Sudipta Banerjee and Chinmay Hegde and Nasir Memon},
journal= {arXiv preprint arXiv:2507.13292},
year = {2026}
}
备注
Revised version with minor changes and code release