FLUX-Makeup：基于扩散 Transformer 的高保真、恒等式一致且鲁棒的化妆迁移
计算机视觉与模式识别
2025-08-08 v1
摘要
化妆迁移旨在将参考人脸的化妆风格应用到目标人脸上，近年来在实际应用中受到广泛采纳。现有基于 GAN 的方法通常依赖精心设计的损失函数来平衡迁移质量和人脸身份一致性，而基于扩散的方法则常依赖额外的人脸控制模块或算法来保持身份一致性。然而，这些辅助组件会引入额外误差，导致迁移结果次优。为克服这些限制，我们提出 FLUX-Makeup，一个高保真、恒等式一致且鲁棒的化妆迁移框架，无需任何辅助人脸控制组件。我们的 method 直接利用源-参考图像对实现卓越的迁移性能。具体而言，我们基于 FLUX-Kontext 构建框架，将源图像作为其本机条件输入。此外，我们引入 RefLoRAInjector，一个轻量级化妆特征注入器，将参考路径与主干网络解耦，实现对化妆相关信息的高效和全面提取。并行地，我们设计了一个稳健且可扩展的数据生成管道，以在训练期提供更准确的监督。本管道产生的配对化妆数据集显著优于现有所有数据集。大量实验表明，FLUX-Makeup 实现了最先进的性能，在 diverse 场景中表现出强大的鲁棒性。
关键词
引用
@article{arxiv.2508.05069,
title = {FLUX-Makeup: High-Fidelity, Identity-Consistent, and Robust Makeup Transfer via Diffusion Transformer},
author = {Jian Zhu and Shanyuan Liu and Liuzhuozheng Li and Yue Gong and He Wang and Bo Cheng and Yuhang Ma and Liebucha Wu and Xiaoyu Wu and Dawei Leng and Yuhui Yin and Yang Xu},
journal= {arXiv preprint arXiv:2508.05069},
year = {2025}
}