FFHQ-Makeup：带人脸一致性的多风格配对合成化妆数据集

配对的裸面和化妆人脸图像对美颜相关任务（如虚拟试妆、人脸隐私保护和人脸美学分析）至关重要。然而，获取高质量的配对化妆数据集仍是一大挑战。现实数据获取受限于大规模配对图像的收集困难，而现有合成方法往往 suffers于现实感有限或裸面与化妆图像之间的不一致。现有合成方法通常分为两类：基于变形的转换方式常导致人脸几何变形，影响化妆精度；文本到图像生成方式则容易改变人脸身份和表情，破坏一致性。本文提出 FFHQ-Makeup，一个高质量的合成化妆数据集，为每个身份配对多种化妆风格，同时保持人脸身份和表情一致性。基于多样化的 FFHQ 数据集构建，采用改进的化妆迁移方法实现身份与化妆的解耦，将现有数据集中的真实化妆风格迁移至 18K 个身份上。每个身份配对 5 种不同化妆风格，总计生成 90K 组高质量裸面-化妆图像对。据我们所知，这是首个专注于构建化妆数据集的工作。我们希望 FFHQ-Makeup 填补高质量裸面-化妆配对数据集的空白，为未来研究提供宝贵资源。