受测量约束的抽样用于文本提示下的盲人脸恢复
计算机视觉与模式识别
2025-11-19 v1
摘要
盲人脸恢复（BFR）在 extremely low-quality（LQ）输入下可能对应多个合理的高质量（HQ）重构。然而，现有方法通常产生确定性结果，难以捕捉这种一对多的本质。本文提出了一种测量约束抽样（Measurement-Constrained Sampling, MCS）方法，通过不同的文本提示实现多样化的LQ人脸重构。具体而言，我们通过对粗糙重构进行受控退化来构建逆问题，将BFR表述为测量约束生成任务，从而实现基于文本到图像扩散的后验引导抽样。测量约束包括前向测量（确保结果与输入结构对齐）和逆向测量（产生投影空间，确保解能够与各种提示对齐）。实验表明，我们的MCS能够生成与提示对齐的结果，并优于现有的BFR方法。代码将在接受后发布。
引用
@article{arxiv.2511.14213,
title = {Measurement-Constrained Sampling for Text-Prompted Blind Face Restoration},
author = {Wenjie Li and Yulun Zhang and Guangwei Gao and Heng Guo and Zhanyu Ma},
journal= {arXiv preprint arXiv:2511.14213},
year = {2025}
}