論文の概要: HDRFace: Rethinking Face Restoration with High-Dimensional Representation

• arxiv url: http://arxiv.org/abs/2605.14821v1
• Date: Thu, 14 May 2026 13:31:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.842895
• Title: HDRFace: Rethinking Face Restoration with High-Dimensional Representation
• Title（参考訳）: HDRFace:高次元表現による顔復元の再考
• Authors: Zirui Wang, Xianhui Lin, Yi Dong, Bo Wei, Gangjian Zhang, Siteng Ma, Zebiao Zheng, Xing Liu, Hong Gu, Minjing Dong,
• Abstract要約: 本稿では, 合成バックボーンを変更することなく, セマンティックにリッチな前処理を条件付きフローに注入する高次元表現条件付き顔復元フレームワークを提案する。 このパイプラインは、まず、オフザシェルフ修復器を用いて構造的に信頼性の高い中間修復を行い、次にトレーニング済みの高次元特徴エンコーダを用いて、低品質入力と中間結果の両方からきめ細かな顔の表現を抽出する。 さらに,構造モデリング時の大域的制約を強調し,詳細合成時の表現指導を強化する構造細部対応型核融合機構であるSDFMを紹介する。
• 参考スコア（独自算出の注目度）: 47.1564555410251
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face restoration under complex degradations still remains an ill-posed inverse problem due to severe information loss. Although diffusion models benefit from strong generative priors, most methods still condition only on low-quality inputs, making it difficult to recover identity-critical details under heavy degradations. In this work, we propose HDRFace, a High-Dimensional Representation conditioned Face restoration framework that injects semantically rich priors into the conditional flow without modifying the generative backbone. Our pipeline first obtains a structurally reliable intermediate restoration with an off-the-shelf restorer, then uses a pretrained high-dimensional feature encoder to extract fine-grained facial representations from both the low-quality input and the intermediate result, and injects them as additional conditions for generation. We further introduce SDFM, a Structure-Detail aware adaptive Fusion Mechanism that emphasizes global constraints during structure modeling and strengthens representation guidance during detail synthesis, balancing structural consistency and detail fidelity. To validate the generalization ability of our method, we implement the proposed framework on two generative models, SD V2.1-base and Qwen-Image, and consistently observe stable and coherent performance gains across different architectures.
• Abstract（参考訳）: 複雑な劣化による顔の復元は、深刻な情報損失のため、いまだに不適切な逆問題となっている。 拡散モデルは強力な生成前の利点があるが、ほとんどの手法は依然として低品質な入力にのみ適用されており、大きな劣化の下でアイデンティティクリティカルな詳細を回復することは困難である。 本研究では,高次元表現条件付き顔復元フレームワークであるHDRFaceを提案する。 このパイプラインは、まず、オフザシェルフ修復器を用いて構造的に信頼性の高い中間修復を行い、次に、事前訓練された高次元特徴エンコーダを用いて、低品質入力と中間結果の両方からきめ細かい表情を抽出し、それらを生成のための追加条件として注入する。 さらに、構造モデルにおける大域的制約を強調し、詳細合成における表現指導を強化し、構造整合性と細部忠実性のバランスをとるSDFMについて紹介する。 本手法の一般化能力を検証するため,SD V2.1ベースとQwen-Imageの2つの生成モデル上に提案したフレームワークを実装し,各アーキテクチャにおける安定かつ一貫性のある性能向上を一貫して観察する。

関連論文リスト

• Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration [31.878334664450776]
  セマンティックロジックと連続的なテクスチャ生成を統合した階層型フレームワークである textbfPrefRestore を提案する。 本手法は,2つの相補的戦略により,この情報格差を根本的に解決する。 Pref-Restoreは、合成および実世界のベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-01-27T11:50:31Z)
• GuideSR: Rethinking Guidance for One-Step High-Fidelity Diffusion-Based Super-Resolution [15.563111624900865]
  GuideSRは、画像の忠実度を高めるために特別に設計された、単一ステップ拡散に基づく画像超解像(SR)モデルである。 提案手法は,PSNR, SSIM, LPIPS, DISTS, FIDなど,様々な基準ベースの指標において,既存の手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2025-05-01T17:48:25Z)
• IQPFR: An Image Quality Prior for Blind Face Restoration and Beyond [56.99331967165238]
  Blind Face Restoration (BFR)は、劣化した低品質(LQ)の顔画像を高品質(HQ)の出力に再構成する課題に対処する。 本研究では,非参照画像品質評価(NR-IQA)モデルから得られた画像品質優先(IQP)を組み込んだ新しいフレームワークを提案する。 提案手法は,複数のベンチマークにおいて最先端技術より優れている。
  論文  参考訳（メタデータ） (2025-03-12T11:39:51Z)
• SSP-IR: Semantic and Structure Priors for Diffusion-based Realistic Image Restoration [20.873676111265656]
  SSP-IRは、低画質の画像からセマンティックと構造をフル活用することを目的としている。 提案手法は,合成および実世界のデータセットにおいて,他の最先端手法よりも優れる。
  論文  参考訳（メタデータ） (2024-07-04T04:55:14Z)
• RestoreFormer++: Towards Real-World Blind Face Restoration from Undegraded Key-Value Pairs [63.991802204929485]
  ブラインド顔復元は、未知の劣化のあるものから高品質な顔画像の復元を目的としている。 現在のアルゴリズムは、主に、高品質な詳細を補完し、驚くべき進歩を達成するために、事前を導入する。 RestoreFormer++を提案する。これは、コンテキスト情報と事前との相互作用をモデル化するための、完全な空間的アテンション機構を導入します。 RestoreFormer++は、合成と実世界の両方のデータセットで最先端のアルゴリズムより優れています。
  論文  参考訳（メタデータ） (2023-08-14T16:04:53Z)
• Towards Robust Blind Face Restoration with Codebook Lookup Transformer [94.48731935629066]
  ブラインドフェイスの修復は、しばしば補助的なガイダンスを必要とする非常に不適切な問題である。 学習した個別のコードブックを小さなプロキシ空間に配置し,ブラインドフェイスの復元をコード予測タスクとすることを示す。 我々は、低品質顔のグローバルな構成とコンテキストをモデル化するトランスフォーマーベースの予測ネットワーク、CodeFormerを提案する。
  論文  参考訳（メタデータ） (2022-06-22T17:58:01Z)
• Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
  新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。 実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
  論文  参考訳（メタデータ） (2020-10-12T08:04:24Z)
• HiFaceGAN: Face Renovation via Collaborative Suppression and Replenishment [63.333407973913374]
  フェース・リノベーション(FR)は意味誘導型生成問題である。 HiFaceGANは、複数のネストされたCSRユニットを含む多段階フレームワークである。 合成画像と実顔画像の両方の実験により,HiFaceGANの優れた性能が確認された。
  論文  参考訳（メタデータ） (2020-05-11T11:33:17Z)

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。