H-Adapter：通过注意力衍生、源对齐的发罩进行姿势稳健的发型转移

发型迁移具有虚拟试戴等实际应用，但当源和参考表现出较大的头部姿势差异时，发型迁移仍然具有挑战性。我们提出了 H-Adapter，它通过使用特定区域的损失进行训练来提高姿势鲁棒性，该损失可以解开头发和非头发目标，从而诱导空间解开的交叉注意力，从中导出源对齐的头发编辑蒙版以指导基于扩散的修复。对姿势无关和姿势不同子集的实验展示了强大的定量结果，包括姿势差异下的最佳 FID、$\mathrm{FID}_{\mathrm{CLIP}}$ 和 CLIP-I，同时保持有竞争力的非毛发保留并提高对细粒度参考发型细节的定性保真度。除了源条件传输之外，H-Adapter 还支持实用的扩展，包括文本到图像生成、基于辅助提示的头发颜色控制以及与身份保留 IP 适配器变体的兼容性。我们还引入了 VLM 作为评判协议，并观察到发型 忠实性、非毛发保留和工件质量的持续增长。