HDRFace：基于高维表征的人脸修复再思考
计算机视觉与模式识别
2026-05-15 v1
摘要
由于严重的信息丢失，复杂退化条件下的人脸修复仍然是一个不适定的反问题。尽管扩散模型受益于强大的生成先验，但大多数方法仍仅以低质量输入作为条件，这使得在重度退化下难以恢复身份关键细节。在本工作中，我们提出了 HDRFace，一个以高维表征为条件的人脸修复框架，它在不修改生成主干网络的情况下，将语义丰富的先验注入条件流中。我们的流程首先使用现成的修复器获得结构可靠的中间修复结果，然后使用预训练的高维特征编码器从低质量输入和中间结果中提取细粒度的人脸表征，并将其作为生成的附加条件注入。我们进一步引入了 SDFM，一种结构-细节感知的自适应融合机制，它在结构建模期间强调全局约束，并在细节合成期间增强表征指导，从而平衡结构一致性与细节保真度。为了验证我们方法的泛化能力，我们在两个生成模型 SD V2.1-base 和 Qwen-Image 上实现了所提出的框架，并在不同架构上始终观察到稳定且连贯的性能提升。
引用
@article{arxiv.2605.14821,
title = {HDRFace: Rethinking Face Restoration with High-Dimensional Representation},
author = {Zirui Wang and Xianhui Lin and Yi Dong and Bo Wei and Gangjian Zhang and Siteng Ma and Zebiao Zheng and Xing Liu and Hong Gu and Minjing Dong},
journal= {arXiv preprint arXiv:2605.14821},
year = {2026}
}