解耦面部编辑模型

新图免优化编辑

通过分组采样与熵约束训练，实现多属性解耦的人脸图像编辑，无需测试时优化，仅改变文本相关属性。

Wang, Hao · Lin, Guosheng · del Molino, Ana García · Anran, Wang · Jiashi, Feng · Shen, Zhiqi

International Journal of Computer Vision 2024

技术优势

无需测试时优化

推理阶段直接对新的人脸图像进行编辑，不需要针对每张图像进行迭代优化。

文本无关属性保持

通过熵约束鼓励属性解耦，编辑时只改变文本相关属性，其他属性尽量不变。

多属性同时编辑

采用分组采样从同一属性类别获取文本片段，模型能够处理多个属性的联合编辑。

应用场景

• 图像编辑：提供文本驱动的多属性人脸编辑工具，可批量处理图像。
• 虚拟试妆：可按照描述改变面部妆容等多属性，且保持非相关区域不变。
• 数字人生成：通过文本控制数字人的面部特征，快速生成多样外观。
• 多模态交互：以文本作为交互方式编辑人脸，丰富多模态用户体验。