A2BFR：属性感知盲脸恢复

盲脸恢复（BFR）旨在从降级的输入中恢复高质量的面部图像，但其固有的不适定性质导致了模糊且不可控的解决方案。最近基于扩散的 BFR 方法提高了感知质量，但仍然不可控，而文本引导的面部编辑可以在没有可靠恢复的情况下进行属性操作。为了解决这些问题，我们提出了 A$^2$BFR，一种属性感知盲人脸恢复框架，它将高保真重建与即时可控生成相结合。 A$^2$BFR 基于具有统一图像文本跨模式注意力的 Diffusion Transformer 主干网络构建，联合调节降级输入和文本提示上的去噪轨迹。为了注入语义先验，我们引入了属性感知学习，它使用属性感知编码器提取的面部属性嵌入来监督去噪潜伏。为了进一步增强即时可控性，我们引入了语义双重训练，它利用我们新策划的 AttrFace-90K 数据集中的成对属性变化来强制属性区分，同时保持保真度。大量实验表明，A$^2$BFR 在恢复保真度和指令依从性方面均实现了最先进的性能，比基于扩散的 BFR 基线高出 -0.0467 LPIPS 和 +52.58% 属性准确度，同时即使在严重退化的情况下也能实现细粒度、即时可控的恢复。