跳到正文
arXiv cs.AI· Elly Akhoundi, Mathieu Lamarre, Thibault Goyallon, Patrick Anderson, \'Etienne Danvoye·· 4 小时前AI 评分27

面向4K面部资产贴图的领域微调扩散超分辨率方法

Domain-Tuned Diffusion Super-Resolution for 4K Facial Asset Maps

AI 导读

研究者提出一种领域微调的扩散超分模型,可将面部资产贴图从1024分辨率4倍放大至4096。方法基于冻结的SDXL主干,按模态接入轻量LoRA模块,并用Tile ControlNet保留输入结构。在留出贴图上,albedo的LPIPS从0.21降至0.08,细节优于双线性及现成GAN与扩散超分方案,且避免位移贴图出现错位或过度浮雕。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:基于物理的面部资产需要 4K 反照率和位移贴图才能满足电影级特写,但生成式流程通常只能以 1K 分辨率生成这些贴图。直接套用照片超分辨率方法并不合适:面部 UV 贴图具有特定领域的统计特征,而位移是标量高度场,其误差会直接扭曲几何形状。我们提出一种针对领域调优的扩散上采样器,用于 4 倍(1024 到 4096)面部资产超分辨率。从双线性上采样的贴图出发,我们通过轻量级 LoRA 模块针对每种模态适配冻结的 SDXL 主干,同时 Tile ControlNet 在扩散先验恢复毛孔和皱纹尺度细节时保持输入结构。在留出贴图上,我们的方法比双线性以及现成的 GAN 和扩散超分辨率器产生更锐利、更忠实的细节,将反照率 LPIPS 从 0.21 降至 0.08,同时避免位移浮雕错位或过度。这些结果表明,轻量级领域适配无需定制超分辨率架构即可生成可直接用于渲染的 4K 面部资产贴图。
评论: 已被 SIGGRAPH Asia 2026 Technical Communications 接收。4 页
主题: 计算机视觉与模式识别 (cs.CV);人工智能 (cs.AI);图形学 (cs.GR)
引用为: arXiv:2611.21890 [cs.CV]
  (或 arXiv:2611.21890v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.21890

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Elly Akhoundi [查看电子邮件]
[v1] 2026 年 11 月 16 日星期一 21:03:28 UTC(10,019 KB)

来源:arXiv cs.AI · arxiv.org