面向旧照人脸修复的自监督选择性引导扩散模型
计算机视觉与模式识别
2025-10-15 v1
摘要
旧照人脸修复面临因破损、褪色、严重模糊等复合退化带来的挑战。现有基于预训练扩散引导的方法要么依赖显式退化先验，要么依赖全局统计引导，难以处理局部损伤或人脸颜色问题。我们提出自监督选择性引导扩散模型（SSDiff），该模型利用预训练扩散模型在弱引导下生成的伪参考人脸。这些伪标签具有结构对齐的轮廓与自然颜色，通过分阶段监督实现区域特定修复：结构引导贯穿去噪过程，颜色细化在后期步骤完成，符合扩散的粗到细特性。通过融入人脸解析图与划痕掩码，方法可针对性地修复破损区域，避免身份错位。我们进一步构建VintageFace基准数据集，包含300张真实旧照人脸图像，覆盖不同程度退化。SSDiff在感知质量、保真度与区域可控性方面均优于现有GAN类与扩散类方法。代码链接：https://github.com/PRIS-CV/SSDiff。
引用
@article{arxiv.2510.12114,
title = {Self-Supervised Selective-Guided Diffusion Model for Old-Photo Face Restoration},
author = {Wenjie Li and Xiangyi Wang and Heng Guo and Guangwei Gao and Zhanyu Ma},
journal= {arXiv preprint arXiv:2510.12114},
year = {2025}
}