HairDiffusion：基于潜在扩散的生动多色头发编辑
计算机视觉与模式识别
2024-11-14 v1
摘要
头发编辑是一项关键的图像合成任务，旨在利用文本描述或参考图像编辑头发颜色和发型，同时保留不相关属性（如身份、背景、衣物）。许多现有方法基于 StyleGAN 来解决此任务。然而，由于 StyleGAN 的空间分布有限，它在多色头发编辑和人脸保留方面存在困难。考虑到扩散模型的进展，我们利用潜在扩散模型（Latent Diffusion Models, LDMs）进行发型编辑。我们的方法引入了多阶段发型混合（Multi-stage Hairstyle Blend, MHB），在扩散潜在空间中有效分离头发颜色和发型的控制。此外，我们训练了一个变形模块，将头发颜色与目标区域对齐。为了进一步增强多色发型编辑，我们使用多色发型数据集微调了一个 CLIP 模型。我们的方法不仅解决了多色发型的复杂性，还应对了在扩散编辑过程中保留原始颜色的挑战。大量实验表明，在给定文本描述和参考图像的情况下，我们的方法在编辑多色发型同时保留面部属性方面具有优越性。
引用
@article{arxiv.2410.21789,
title = {HairDiffusion: Vivid Multi-Colored Hair Editing via Latent Diffusion},
author = {Yu Zeng and Yang Zhang and Jiachen Liu and Linlin Shen and Kaijun Deng and Weizhao He and Jinbao Wang},
journal= {arXiv preprint arXiv:2410.21789},
year = {2024}
}