MAD：基于跨域扩散模型的全能化妆方案

现有的化妆技术往往需要设计多个模型来处理不同输入并跨域对齐不同化妆任务所需的特征，例如美颜滤镜、化妆迁移和化妆去除，从而导致复杂度增加。另一个限制是缺乏基于文本的化妆试穿，这更加用户友好，不需要参考图像。在本研究中，我们首次尝试使用单一模型处理各种化妆任务。具体而言，我们将不同的化妆任务形式化为跨域翻译，并利用跨域扩散模型完成所有任务。不同于依赖单独编码器-解码器配置或循环机制的现有方法，我们提出使用不同的域嵌入来促进域控制。这允许通过仅更改嵌入实现无缝域切换，从而减少对不同任务的额外模块依赖。此外，为了支持精确的文本到化妆应用，我们通过扩展 MT 数据集并添加文本注释，引入了 MT-Text 数据集，推动了化妆技术的实用性。