ReAge3D：通过视图一致性重新老化 3D 面孔

我们提出了一种新颖的框架，用于逼真且可控的 3D 面部再老化，可产生高度详细、身份保留的结果。现有的 3D 编辑方法虽然对于粗略的语义变化有效，但不太适合重新老化，因为即使重新老化的 2D 视图之间的微小不一致也可能导致微妙但感知上重要的与年龄相关的细节过度平滑。为了应对这一挑战，我们首先引入基于 2D 扩散的再老化模型 DiffReaging，该模型在合成生成的图像对上进行训练。我们进一步提出了一种中心向外的编辑传播策略，利用这种重新老化模型来重建多视图一致的重新老化图像。具体来说，从重新老化的正面枢轴视图开始，我们通过变形和我们提出的 Masked-DiffReaging 过程重建剩余的视图。通过在扩散过程的每一步注入现有内容，Masked-DiffReaging 确保重建区域与现有像素保持一致。由此产生的一致的重新老化视图集监督重新老化的 3D 表示的优化。我们的方法在视觉和定量方面都优于现有的 3D 编辑技术，能够对 3D 面部模型中的年龄变换进行平滑、细粒度的控制。