论文
IdentiFace：犯罪调查中可识别嫌疑人面部生成的多模态迭代扩散框架
IdentiFace: Multi-Modal Iterative Diffusion Framework for Identifiable Suspect Face Generation in Crime Investigations
摘要
嫌疑人面部生成仍然是犯罪调查中的技术挑战。传统的草图绘制工作流程效率低、质量低，而基于扩散的方法仍然面临文本到图像模型的条件模糊性和一次性生成的采样方差的内在限制。我们提出了 IdentiFace，一种基于扩散的新型可识别嫌疑人脸生成框架，它通过（1）多模态输入设计来加强条件控制，以及（2）支持可识别特征调整的迭代生成管道解决了这些问题。我们还贡献了面部身份丢失和两个特定于任务的数据集。对合成数据集和现实场景的综合实验表明，IdentiFace 比现有方法具有更优越的性能，特别是在身份检索方面，并显示出强大的实际应用潜力。