苹果：基于扩散的人脸置换的属性保留伪标签技术
Gemini AI生成的图像
研究人员开发了一种名为APPLE（属性保留伪标签）的新型换脸方法，该技术在增强身份转移的同时，能够有效保留诸如光照和妆容等关键属性。APPLE将换脸视为一种条件去模糊任务，并采用教师-学生框架进行更好的监督，从而实现了逼真的图像效果，并为属性保留设定了新的标准。
APPLE：一种突破性的基于扩散的人脸交换技术
研究人员揭示了一种名为 APPLE（属性保护伪标签）的新型人脸交换框架，旨在增强数字人脸操作中的身份转移和属性保留。这种新方法解决了长期存在的挑战，特别是在面部交换中缺乏真实的地面真相，这在历史上一直阻碍了结果的质量。
APPLE 的关键创新
APPLE 引入了一个教师-学生框架，利用基于属性的伪标签监督来增强属性的保真度。该框架将人脸交换过程重新定义为条件去模糊任务，从而更准确地保留光照和肤色等属性。
- 教师-学生框架：利用双重学习方法生成高质量的伪三元组，为学生模型提供直接的人脸交换监督。
- 条件去模糊：重新定义任务，以更好地保留身份转移过程中的目标特定属性。
这些进展使 APPLE 在身份转移和属性保留方面实现了最先进的性能，产生了更具照片现实感的输出。该框架生成高质量伪标签的能力直接影响了人脸交换图像的质量，使其成为该领域的重要贡献。
相关主题：
苹果公司属性保留伪标签生成人脸替换扩散式方法
📰 原始来源： https://arxiv.org/abs/2601.15288v1
所有权利和署名均属于原出版商。