HonestFace：面向诚实人脸恢复的单步扩散模型
计算机视觉与模式识别
2025-05-27 v1
摘要
人脸恢复多年来取得了显著进展。然而，确保恢复后的人脸图像具有高保真度、保留真实特征，同时避免引入人工或偏见，仍然是一个重大挑战。这凸显了需要模型在从低质量输入中进行“诚实”重建、准确反映原始特征的需求。本文提出了HonestFace，一种强调此类诚实性的新方法，尤其关注身份一致性和纹理真实性。为实现这一目标，HonestFace包含几个关键组件。首先，我们提出了身份嵌入器，有效地捕捉和保留来自低质量输入和多个参考人脸的关键身份特征。其次，提出了一种面部对齐方法以增强细粒度细节和纹理真实性，从而防止生成模式化或过度合成的纹理，提高整体清晰度。进一步，我们提出了一种新的基于landmark的评估指标。基于仿射变换原理，该指标相对于常规L2距离计算在人脸特征对齐方面具有更高的精度。在这些贡献的单步扩散模型框架中，HonestFace在人脸保真度和真实性方面实现了卓越的恢复效果。广泛的实验表明，我们的方法在视觉质量和定量评估方面均优于现有的SOTA方法。代码和预训练模型将在 https://github.com/jkwang28/HonestFace 上公开。
引用
@article{arxiv.2505.18469,
title = {HonestFace: Towards Honest Face Restoration with One-Step Diffusion Model},
author = {Jingkai Wang and Wu Miao and Jue Gong and Zheng Chen and Xing Liu and Hong Gu and Yutong Liu and Yulun Zhang},
journal= {arXiv preprint arXiv:2505.18469},
year = {2025}
}