基于一步扩散模型与新基准的人体图像复原
计算机视觉与模式识别
2026-02-06 v2
摘要
人体图像复原作为图像复原的一个特定应用，在实践中被广泛应用，并在多个领域发挥着至关重要的作用。然而，深入的研究仍然困难，特别是由于缺乏基准数据集。在本研究中，我们提出一个高质量数据集自动裁剪与过滤（HQ-ACF）流程。该流程利用现有的目标检测数据集和其他无标签图像，自动裁剪并过滤出高质量人体图像。使用此流程，我们构建了一个包含复杂物体和自然活动的基于人物的复原（PERSONA）数据集，该数据集包含训练集、验证集和测试集。该数据集在质量和内容丰富度上均显著超越其他与人体相关的数据集。最后，我们提出 OSDHuman，一种用于人体图像复原的新颖一步扩散模型。具体来说，我们提出一个高保真图像嵌入器（HFIE）作为提示生成器，以更好地利用低质量人体图像信息引导模型，有效避免误导性提示。实验结果表明，OSDHuman 在视觉质量和定量指标上均优于现有方法。数据集和代码将发布于 https://github.com/gobunu/OSDHuman。
引用
@article{arxiv.2502.01411,
title = {Human Body Restoration with One-Step Diffusion Model and A New Benchmark},
author = {Jue Gong and Jingkai Wang and Zheng Chen and Xing Liu and Hong Gu and Yulun Zhang and Xiaokang Yang},
journal= {arXiv preprint arXiv:2502.01411},
year = {2026}
}
备注
8 pages, 9 figures. Accepted at ICML 2025