論文の概要: BeyondFacial: Identity-Preserving Personalized Generation Beyond Facial Close-ups

• arxiv url: http://arxiv.org/abs/2511.11989v1
• Date: Sat, 15 Nov 2025 01:56:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.48387
• Title: BeyondFacial: Identity-Preserving Personalized Generation Beyond Facial Close-ups
• Title（参考訳）: BeyondFacial: 顔のクローズアップを超越したアイデンティティ保護型パーソナライズ
• Authors: Songsong Zhang, Chuanqi Tang, Hongguang Zhang, Guijian Tang, Minglong Li, Xueqiong Li, Shaowu Yang, Yuanxi Peng, Wenjing Yang, Jing Zhao,
• Abstract要約: アイデンティティ保存型パーソナライズドジェネレーション(I)は、高度な映画制作と芸術的創造力を持っているが、既存のアプローチは顔領域を過度に強調している。 これらの手法は、複雑なテキストプロンプトの下での視覚的ナラティビティの弱さと意味的一貫性の弱さに悩まされる。 本稿では,顔のクローズアップの制約を断ち切るI手法を提案する。
• 参考スコア（独自算出の注目度）: 22.017690133402912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identity-Preserving Personalized Generation (IPPG) has advanced film production and artistic creation, yet existing approaches overemphasize facial regions, resulting in outputs dominated by facial close-ups.These methods suffer from weak visual narrativity and poor semantic consistency under complex text prompts, with the core limitation rooted in identity (ID) feature embeddings undermining the semantic expressiveness of generative models. To address these issues, this paper presents an IPPG method that breaks the constraint of facial close-ups, achieving synergistic optimization of identity fidelity and scene semantic creation. Specifically, we design a Dual-Line Inference (DLI) pipeline with identity-semantic separation, resolving the representation conflict between ID and semantics inherent in traditional single-path architectures. Further, we propose an Identity Adaptive Fusion (IdAF) strategy that defers ID-semantic fusion to the noise prediction stage, integrating adaptive attention fusion and noise decision masking to avoid ID embedding interference on semantics without manual masking. Finally, an Identity Aggregation Prepending (IdAP) module is introduced to aggregate ID information and replace random initializations, further enhancing identity preservation. Experimental results validate that our method achieves stable and effective performance in IPPG tasks beyond facial close-ups, enabling efficient generation without manual masking or fine-tuning. As a plug-and-play component, it can be rapidly deployed in existing IPPG frameworks, addressing the over-reliance on facial close-ups, facilitating film-level character-scene creation, and providing richer personalized generation capabilities for related domains.
• Abstract（参考訳）: アイデンティティ保存型パーソナライズドジェネレーション(IPPG)は, 映像制作と芸術的創造が進んだが, 既存のアプローチでは顔領域の強調が強調され, 顔のクローズアップに支配される結果, 複雑なテキストプロンプト下での視覚的ナラティビティの弱さと意味的一貫性の低下に悩まされている。 これらの課題に対処するために,顔のクローズアップの制約を断ち切るIPPG手法を提案する。 具体的には、従来のシングルパスアーキテクチャに固有のIDとセマンティクス間の表現競合を解消し、IDとセマンティクスを分離したデュアルライン推論(DLI)パイプラインを設計する。 さらに,ID-セマンティックフュージョンをノイズ予測段階にフェールさせるIdAF(Identity Adaptive Fusion)戦略を提案し,適応的注意融合とノイズ決定マスキングを統合し,手作業によるマスキングを伴わないセマンティックスへのID埋め込み干渉を回避する。 最後に、ID情報を集約し、ランダム初期化を置き換えるためにIdAP(Identity Aggregation Prepending)モジュールが導入された。 提案手法は顔のクローズアップ以上のIPPGタスクにおいて安定かつ効果的な性能を実現し,手動マスキングや微調整を伴わずに効率よく生成できることを実験的に検証した。 プラグアンドプレイコンポーネントとして、既存のIPPGフレームワークに迅速にデプロイでき、顔のクローズアップへの過度な依存に対処し、フィルムレベルのキャラクタシーンの作成を容易にし、関連するドメインに対してよりリッチなパーソナライズされた生成機能を提供する。

関連論文リスト

• DiffSwap++: 3D Latent-Controlled Diffusion for Identity-Preserving Face Swapping [16.846179110602737]
  そこで我々は,DiffSwap++を提案する。DiffSwap++は,トレーニング中に3D顔の潜伏機能を組み込んだ,拡散型フェイススワッピングパイプラインである。 本手法は, 形状整合性を高め, 外観特性から顔の識別のゆがみを改善する。 CelebA、FFHQ、CelebV-Textの実験では、DiffSwap++はターゲットのポーズと表現を維持しながらソースのアイデンティティを保ちながら、以前のメソッドよりも優れていた。
  論文  参考訳（メタデータ） (2025-11-04T18:56:49Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• From Large Angles to Consistent Faces: Identity-Preserving Video Generation via Mixture of Facial Experts [69.44297222099175]
  顔の特徴の異なるが相互に強化された側面を捉えた顔専門家の混合(MoFE)を導入する。 データセットの制限を軽減するため、私たちは、Face ConstraintsとIdentity Consistencyという2つの重要な側面を中心としたデータ処理パイプラインを調整しました。 我々は、既存のオープンソースヒューマンビデオデータセットからLFA(Large Face Angles)データセットをキュレートし、洗練しました。
  論文  参考訳（メタデータ） (2025-08-13T04:10:16Z)
• Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
  極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。 既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。 本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:33:11Z)
• PIDiff: Image Customization for Personalized Identities with Diffusion Models [13.726194815227464]
  PIDiff という名前の個人識別テキスト・画像生成のためのファインチューニングに基づく新しい拡散モデルを提案する。 PIDiffは意味的絡み合いを回避し、正確な特徴抽出と局所化を実現する。
  論文  参考訳（メタデータ） (2025-05-08T09:26:28Z)
• EmojiDiff: Advanced Facial Expression Control with High Identity Preservation in Portrait Generation [8.314556078632412]
  ポートレート生成における極めて詳細な表現(RGBレベル)と高忠実度IDの同時制御を可能にする,最初のエンドツーエンドソリューションであるEmojiDiffを紹介する。 分離学習では、ID非関連データイテレーション(IDI)を改良し、相互同一性表現ペアを合成する。 また,さらに微調整を行うために,ID強化コントラストアライメント(ICA)を提案する。
  論文  参考訳（メタデータ） (2024-12-02T08:24:11Z)
• Infinite-ID: Identity-preserved Personalization via ID-semantics Decoupling Paradigm [31.06269858216316]
  アイデンティティ保存型パーソナライゼーションのためのID-セマンティックデカップリングパラダイムであるInfinite-IDを提案する。 我々は、十分なID情報を取得するために、追加のイメージクロスアテンションモジュールを組み込んだアイデンティティ強化トレーニングを導入する。 また、2つのストリームをシームレスにマージするために、混合アテンションモジュールとAdaIN平均演算を組み合わせた機能相互作用機構を導入する。
  論文  参考訳（メタデータ） (2024-03-18T13:39:53Z)
• Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
  匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)である このフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。 大規模な実験により,本手法は最先端の非識別手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-15T08:59:02Z)
• FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping [62.38898610210771]
  そこで我々は,FaceDancerという顔のスワップとID転送のための新しい単一ステージ手法を提案する。 アダプティブ・フィーチャー・フュージョン・アテンション(AFFA)と解釈的特徴類似性規則化(IFSR)の2つの主要なコントリビューションがある。
  論文  参考訳（メタデータ） (2022-10-19T11:31:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。