DreamMakeup：基于潜在扩散模型的面部化妆定制
计算机视觉与模式识别
2025-10-14 v1 人工智能
机器学习
摘要
全球化妆市场的指数级增长与虚拟化妆模拟技术的进步密不可分。尽管 GANs 在推动领域进步，但其应用仍面临训练不稳定和定制能力有限等显著挑战。为此，我们引入 DreamMakeup——一种基于扩散模型的、无需训练的化妆定制方法，利用扩散模型在可控性和精确真实图像编辑方面的内在优势。DreamMakeup 采用提前停止的 DDIM 反向方法保留面部结构和身份信息，同时通过多种条件输入（如参考图像、特定 RGB 颜色和文本描述）实现广泛定制。我们的模型在现有基于 GAN 的方法和最新的扩散模型框架方面实现了显著提升——在定制性、颜色匹配、身份保留以及与文本描述或 LLM 的兼容性方面均表现出色，同时保持可负担的计算成本。
引用
@article{arxiv.2510.10918,
title = {DreamMakeup: Face Makeup Customization using Latent Diffusion Models},
author = {Geon Yeong Park and Inhwa Han and Serin Yang and Yeobin Hong and Seongmin Jeong and Heechan Jeon and Myeongjin Goh and Sung Won Yi and Jin Nam and Jong Chul Ye},
journal= {arXiv preprint arXiv:2510.10918},
year = {2025}
}