本文經(jīng)AIGC Studio公眾號(hào)授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

今天給大家介紹的是一個(gè)高保真實(shí)時(shí)人臉編輯方法PersonaMagic，通過(guò)分階段的文本條件調(diào)節(jié)和動(dòng)態(tài)嵌入學(xué)習(xí)來(lái)優(yōu)化人臉定制。該技術(shù)利用時(shí)序動(dòng)態(tài)的交叉注意力機(jī)制，能夠在不同階段有效捕捉人臉特征，從而在生成個(gè)性化圖像時(shí)最大程度地保留身份信息。通過(guò)對(duì)比實(shí)驗(yàn)，PersonaMagic在定量和定性評(píng)估中均優(yōu)于現(xiàn)有的最先進(jìn)方法，展現(xiàn)出其在多種場(chǎng)景和風(fēng)格下的靈活性與魯棒性。

PersonaMagic 可根據(jù)用戶提供的肖像無(wú)縫生成新角色、風(fēng)格或場(chǎng)景的圖像。通過(guò)通過(guò)串聯(lián)平衡策略學(xué)習(xí)階段調(diào)節(jié)嵌入，該方法可以準(zhǔn)確捕捉和表示看不見(jiàn)的概念，忠實(shí)地創(chuàng)建與提供的提示相符的角色，同時(shí)最大限度地減少身份扭曲。

相關(guān)鏈接 

• 論文：http://arxiv.org/abs/2412.15674v1
• 代碼：https://github.com/xzhe-Vision/PersonaMagic

論文介紹 

PersonaMagic：采用串聯(lián)平衡的階段調(diào)節(jié)高保真面部定制

摘要 

個(gè)性化圖像生成在將內(nèi)容適應(yīng)新概念方面取得了重大進(jìn)展。然而，仍然存在一個(gè)持續(xù)的挑戰(zhàn)：平衡看不見(jiàn)的概念的準(zhǔn)確重建與根據(jù)提示進(jìn)行編輯的需求，特別是在處理面部特征的復(fù)雜細(xì)微差別時(shí)。在本研究中，我們深入研究了文本到圖像調(diào)節(jié)過(guò)程的時(shí)間動(dòng)態(tài)，強(qiáng)調(diào)了階段劃分在引入新概念方面的關(guān)鍵作用。我們提出了 PersonaMagic，這是一種專為高保真面部定制而設(shè)計(jì)的階段調(diào)節(jié)生成技術(shù)。使用一個(gè)簡(jiǎn)單的 MLP 網(wǎng)絡(luò)，我們的方法在特定的時(shí)間步長(zhǎng)間隔內(nèi)學(xué)習(xí)一系列嵌入來(lái)捕捉面部概念。此外，我們開(kāi)發(fā)了一種串聯(lián)平衡機(jī)制，可以調(diào)整文本編碼器中的自我注意響應(yīng)，平衡文本描述和身份保存，從而改善這兩個(gè)領(lǐng)域。大量實(shí)驗(yàn)證實(shí)了 PersonaMagic 在定性和定量評(píng)估方面都優(yōu)于最先進(jìn)的方法。此外，它的穩(wěn)健性和靈活性在非面部領(lǐng)域得到了驗(yàn)證，并且它還可以作為增強(qiáng)預(yù)訓(xùn)練個(gè)性化模型性能的有價(jià)值的插件。

方法 

流程概述。 給定一張圖像，我們?cè)趧?dòng)態(tài)階段學(xué)習(xí)一系列嵌入以有效地捕獲身份信息，同時(shí)在靜態(tài)階段使用固定嵌入。提出的 TE 策略應(yīng)用于文本編碼器，確保個(gè)性化結(jié)果與文本描述進(jìn)一步對(duì)齊。

被忽視的語(yǔ)義導(dǎo)致注意力圖不理想。注意力權(quán)重標(biāo)注在交叉注意力圖的左下角。

所提出的串聯(lián)平衡的圖示。

結(jié)果 

與最先進(jìn)的方法對(duì)名人的定性比較。

與非名人的最先進(jìn)方法進(jìn)行定性比較。

訓(xùn)練期間使用和不使用 Lte 的定制結(jié)果。注意權(quán)重在交叉注意圖的左下角標(biāo)注。

不同模型變體的定性消融研究。

該方法可以應(yīng)用于各種下游任務(wù)。從上到下：本地化定制、 表達(dá)修改和組合生成。

PersonaMagic 可以適應(yīng)非面部領(lǐng)域，展示了其超越面部?jī)?nèi)容的通用性。

將PersonaMagic集成到預(yù)訓(xùn)練的個(gè)性化模型中，可以改善結(jié)果中的面部細(xì)節(jié)。

結(jié)論 

文中介紹的PersonaMagic是一種高保真人臉定制技術(shù)，它利用基于綜合分析的階段調(diào)節(jié)文本調(diào)節(jié)策略。引入了一個(gè)輕量級(jí)網(wǎng)絡(luò)，通過(guò)動(dòng)態(tài)詞嵌入來(lái)實(shí)現(xiàn)這種調(diào)節(jié)機(jī)制，有效地捕獲身份信息，同時(shí)避免過(guò)度擬合。此外，文中提出了一個(gè)串聯(lián)平衡損失來(lái)解決文本對(duì)齊和身份保存之間的權(quán)衡。大量實(shí)驗(yàn)證明了該方法與最先進(jìn)的方法相比具有卓越的性能，在保真度和可編輯性方面都表現(xiàn)出色，并展示了其在各種下游定制任務(wù)中的有效性。