MeInTime： bridging age gap in identity-preserving face restoration
计算机视觉与模式识别
2026-03-20 v1
摘要
为了更好地保留个体身份，面部修复技术从 reference-free 方法发展到 reference-based 方法，这些方法利用同一身份的高质量参考图像来提高修复输出中的身份保真度。然而，大多数现有方法隐式假设参考图像与退化输入在年龄上对齐，这限制了其在仅有跨年龄参考图像的情况下的有效性，如历史照片修复等实际场景。本文提出MeInTime，一种基于扩散的面部修复方法，将 reference-based 修复从 same-age 扩展到 cross-age 场景。给定一或多个对应退化输入年龄提示的参考图像，MeInTime 能够在身份保真度和年龄一致性之间实现可靠的修复。具体而言，我们解耦身份和年龄条件的建模。在训练阶段，我们专注于通过新引入的注意力机制有效注入身份特征，并引入 Gated Residual Fusion 模块来促进退化特征与身份表示之间的集成。在推理阶段，我们提出 Age-Aware Gradient Guidance，即一种基于年龄驱动的迭代策略，使用年龄导向方向将 identity-aware denoising latent 不断 nudged 向所需年龄语义流形。广泛的实验表明，MeInTime 在身份保持和年龄一致性方面均优于现有面部修复方法。我们的代码可在 https://github.com/teer4/MeInTime 查阅。
引用
@article{arxiv.2603.18645,
title = {MeInTime: Bridging Age Gap in Identity-Preserving Face Restoration},
author = {Teer Song and Yue Zhang and Yu Tian and Ziyang Wang and Xianlin Zhang and Guixuan Zhang and Xuan Liu and Xueming Li and Yasen Zhang},
journal= {arXiv preprint arXiv:2603.18645},
year = {2026}
}