FastFace：通过引导与注意力机制调节蒸馏扩散中的身份保持
计算机视觉与模式识别
2025-05-30 v2
摘要
近年来，用于扩散模型个性化生成的身份保持适配器大量涌现。其主要缺点在于它们主要与基础扩散模型联合训练，这会导致缓慢的多步推理。本工作旨在解决将预训练 ID 适配器免训练地适配到通过蒸馏加速的扩散模型的挑战——通过为少步风格化生成精心重新设计无分类器引导，并在解耦块中引入注意力操纵机制以提高身份相似度和保真度，我们提出了通用的 FastFace 框架。此外，我们为身份保持适配器开发了解耦的公开评估协议。
引用
@article{arxiv.2505.21144,
title = {FastFace: Tuning Identity Preservation in Distilled Diffusion via Guidance and Attention},
author = {Sergey Karpukhin and Vadim Titov and Andrey Kuznetsov and Aibek Alanov},
journal= {arXiv preprint arXiv:2505.21144},
year = {2025}
}
备注
code available at https://github.com/ControlGenAI/FastFace