多模态大模型ID一致性优化：通过对齐、 entangled 与解缘实现面部恢复
计算机视觉与模式识别
2026-02-24 v1 图形学
摘要
多模态编辑大模型在 diverse 任务上展示出强大的编辑能力，但面临一个持续存在的长期局限：在真实肖像编辑中面部身份（ID）一致性下降。鉴于人眼对面部特征的高灵敏度，这种不一致性显著阻碍了这些模型在实际部署中的应用。当前的面部 ID 保存方法难以实现身份与编辑元素 IP 的一致恢复，due to Cross-source Distribution Bias 和 Cross-source Feature Contamination。为此，我们提出 EditedID，一种用于稳健身份特定面部恢复的 Alignment-Disentanglement-Entanglement 框架。通过系统性分析扩散轨迹、抽样器行为和注意力属性，我们引入三个关键组件：1）适配混合策略，在扩散过程中对齐跨源潜在表示；2）混合求解器，解缘源特定身份属性和细节；3）注意力门控机制，选择性地 entangle 视觉元素。大量实验表明，EditedID 在保持原始面部 ID 和编辑元素 IP 一致性方面实现了最先进的性能。作为一种训练自由和即插即用解决方案，EditedID 为在开放式环境下实现实际可靠的单/多人面部身份恢复树立了新基准，为将多模态编辑大模型部署到真实人物编辑场景铺平了道路。代码已公开于 https://github.com/NDYBSNDY/EditedID。
引用
@article{arxiv.2602.18752,
title = {Optimizing ID Consistency in Multimodal Large Models: Facial Restoration via Alignment, Entanglement, and Disentanglement},
author = {Yuran Dong and Hang Dai and Mang Ye},
journal= {arXiv preprint arXiv:2602.18752},
year = {2026}
}
备注
ICLR 26