DynFaceRestore：基于动态模糊水平映射和引导的扩散导向盲人脸修复中的保真度与质量平衡
计算机视觉与模式识别
2025-09-23 v2
摘要
盲人脸修复旨在从未知退化输入中恢复高保真度、细节丰富的面部图像，面临在保留身份特征和细节方面的重大挑战。预训练扩散模型正逐渐用作图像先验来生成精细细节。然而，现有方法常使用固定的扩散采样时间步和全局引导比例，假设退化程度均匀。这一局限性以及潜在的退化核估计不准确问题，常导致过度或不足扩散，造成保真度与质量之间的失衡。我们提出 DynFaceRestore，一种新的盲人脸修复方法，通过学习将任何盲人退化输入映射到高斯模糊图像。利用这些模糊图像及其各自的高斯核，我们动态选择每个模糊图像的起始时间步，并在扩散采样过程中应用闭式引导以保持保真度。此外，我们引入动态引导比例调整器，在局部区域调制引导强度，增强复杂区域的细节生成，同时保持轮廓的结构保真度。该策略有效平衡了保真度与质量之间的权衡。DynFaceRestore 在定量和定性评估中实现了最先进的性能，展示了在盲人脸修复中的鲁棒性和有效性。项目页面链接：https://nycu-acm.github.io/DynFaceRestore/
引用
@article{arxiv.2507.13797,
title = {DynFaceRestore: Balancing Fidelity and Quality in Diffusion-Guided Blind Face Restoration with Dynamic Blur-Level Mapping and Guidance},
author = {Huu-Phu Do and Yu-Wei Chen and Yi-Cheng Liao and Chi-Wei Hsiao and Han-Yang Wang and Wei-Chen Chiu and Ching-Chun Huang},
journal= {arXiv preprint arXiv:2507.13797},
year = {2025}
}
备注
Accepted by ICCV 2025