Paper page - FaithfulFaces: Pose-Faithful Facial Identity Preservation for Text-to-Video Generation

Source: https://huggingface.co/papers/2605.04702

Abstract

FaithfulFaces 是一个面向姿态保真的人脸身份保持框架，它通过姿态共享对齐和显式欧拉角嵌入来改善文本到视频生成中的身份一致性。

Identity-preservingtext-to-video generation (https://huggingface.co/papers?q=text-to-video%20generation)(IPT2V) 使得用户能够生成具有多样性和想象力且保持人脸身份一致的视频。尽管最近取得了一些进展，现有方法通常在大的面部姿态变化或面部遮挡下会出现明显的身份失真。在本文中，我们提出了 FaithfulFaces，一个面向姿态保真的人脸身份保持 (https://huggingface.co/papers?q=pose-faithful%20facial%20identity%20preservation)学习框架，以改善复杂动态场景下的 IPT2V。FaithfulFaces 的核心是一个姿态共享的身份对齐器 (https://huggingface.co/papers?q=pose-shared%20identity%20aligner)，它通过姿态共享字典 (https://huggingface.co/papers?q=pose-shared%20dictionary)和姿态变化身份不变性约束 (https://huggingface.co/papers?q=pose%20variation-identity%20invariance%20constraint) 来精细化和对齐不同视角的人脸姿态。通过将单视角输入映射为显式欧拉角嵌入的 (https://huggingface.co/papers?q=Euler%20angle%20embeddings)全局面部姿态表示 (https://huggingface.co/papers?q=global%20facial%20pose%20representation)，FaithfulFaces 提供了一种姿态保真的面部先验，引导生成模型朝着健壮的身份保持生成方向前进。特别地，我们开发了一个专门的流程来策划一个高质量的视频数据集，该数据集包含大量的人脸姿态多样性。大量的实验表明，FaithfulFaces 达到了最先进的性能，即使在姿态变化和遮挡发生时也能保持优越的身份一致性 (https://huggingface.co/papers?q=identity%20consistency)和结构清晰度 (https://huggingface.co/papers?q=structural%20clarity)。

View arXiv page (https://arxiv.org/abs/2605.04702)View PDF (https://arxiv.org/pdf/2605.04702)Add to collection (https://huggingface.co/login?next=%2Fpapers%2F2605.04702)

将此论文添加到您的代理中：

hf papers read 2605\.04702

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

模型引用这篇论文0

没有模型链接这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2605.04702 以从该页面链接它。

引用这篇论文的数据集0

没有数据集链接这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2605.04702 以从该页面链接它。

引用这篇论文的项目0

没有项目链接这篇论文

在项目的 README.md 中引用 arxiv.org/abs/2605.04702 以从该页面链接它。

包含这篇论文的收藏集0

没有收藏集包含这篇论文

添加这篇论文到收藏集 (https://huggingface.co/new-collection)以从该页面链接它。