文本到图像的人脸身份微调
Yifan Zhong · hf · 2026-07-14
论文提出 **Latent-Identity Tuning**，目标是解决文本到图像个性化/编辑里“人物身份必须足够精确”的问题，尤其适合对脸部做细粒度编辑。 ### 核心思路 - 不是直接编辑输入图，而是**修改特定身份的潜表示**，从而生成多张风格不同、但身份一致的图片。 - 方法基于一个**冻结的编码器**，不需要额外训练；作者通过探索潜空间里的语义方向，找到了可控的身份编辑维度。 - 这些潜 token 分别对应不同的面部区域或语义属性，因此可以做**局部、语义一致**的修改。 ### 实验结论 - 在定性和定量实验中，方法能实现多种局部面部编辑，同时较好保持跨图像的身份一致性。 - 项目页已公开。