利用扩散先验实现盲人面脱复原潜力
计算机视觉与模式识别
2025-08-13 v1
摘要
尽管扩散先验正日益成为盲人面脱复原（Blind Face Restoration, BFR）的强大解决方案，但vanilla 扩散模型与 BFR 场景之间的内在差距阻碍了其无缝适应。这种差距主要源于（1）高质量（HQ）与低质量（LQ）图像之间的差异，以及（2）合成图像与真实世界图像之间的差异。vanilla 扩散模型是在无或少数退化图像上训练的，而 BFR 处理的是中等到严重退化的图像。此外，训练中使用的 LQ 图像是通过一种粗糙的退化模型合成的，退化模式有限，无法模拟真实场景中复杂且未知的退化。本文提出一种统一网络 FLIPNET，可在两种模式之间切换以解决特定差距。在恢复模式下，模型逐渐整合来自 LQ 图像的 BFR 导向特征和面部嵌入，以实现真实可信的面脸复原。在退化模式下，模型基于从真实退化数据集中学习的知识生成类似真实世界的退化图像。广泛的基准数据集评估表明，我们的方法（1）在真实性和保真度方面优于基于扩散先验的以前 BFR 方法，（2）在建模真实世界退化方面优于粗糙退化模型。
引用
@article{arxiv.2508.08556,
title = {Unlocking the Potential of Diffusion Priors in Blind Face Restoration},
author = {Yunqi Miao and Zhiyu Qu and Mingqi Gao and Changrui Chen and Jifei Song and Jungong Han and Jiankang Deng},
journal= {arXiv preprint arXiv:2508.08556},
year = {2025}
}