基于扩散模型编辑的人脸老化

本文中，我们解决人脸老化问题：通过对给定人脸加入与年龄相关的变化，生成过去或未来的面部图像。以往的老化方法仅依赖人类面部图像数据集，因而受限于其固有规模与偏差。这限制了它们可生成的年龄范围，且无法处理大年龄跨度。我们提出 FADING，一种基于扩散模型编辑（DIffusion-based editiNG）的人脸老化新方案。我们超越现有方法，利用大规模语言-图像扩散模型的丰富先验。首先，我们通过年龄感知微调方案使预训练扩散模型专用于人脸年龄编辑任务。接着，我们将输入图像反演为潜变量噪声并获得优化的空文本嵌入。最后，我们通过注意力控制执行文本引导的局部年龄编辑。定量与定性分析表明，我们的方法在老化准确性、属性保持与老化质量方面优于现有方法。