FaceSnap：用于无调参肖像定制的增强身份保真网络
计算机视觉与模式识别
2026-02-03 v1
摘要
得益于文本到图像扩散模型的显著进步，定制化肖像生成领域的研究也取得了重要进展。然而，现有方法要么需要耗时的微调且缺乏普适性，要么无法在面部细节上实现高保真度。为此，我们提出FaceSnap，一种基于Stable Diffusion (SD) 的新方法，仅需单张参考图像，即可在单次推理阶段产生极高的一致性结果。该方法即插即用，可轻松扩展到不同的SD模型。具体而言，我们设计了新的面部属性混合器（Facial Attribute Mixer），可从低层具体特征和高层抽象特征中提取全面融合信息，为图像生成提供更好的指导。我们还引入了地标预测器（Landmark Predictor），可在不同姿态下保持参考身份，为图像生成提供多样且细致的空间控制条件。随后，我们使用身份保真模块将其注入UNet。实验结果表明，我们的方法在个性化和定制化肖像生成方面表现卓越，超越了该领域的其他最先进方法。
引用
@article{arxiv.2602.00627,
title = {FaceSnap: Enhanced ID-fidelity Network for Tuning-free Portrait Customization},
author = {Benxiang Zhai and Yifang Xu and Guofeng Zhang and Yang Li and Sidan Du},
journal= {arXiv preprint arXiv:2602.00627},
year = {2026}
}
备注
Accept by ICANN 2025