Novo Método Zera os Custos de Treinamento para Edições Faciais Precisas em Modelos de Difusão

Título: Latent Identity Tuning permite edições faciais precisas

Pesquisadores introduziram o Latent-Identity Tuning, uma técnica que permite aos desenvolvedores editar características faciais em geradores de texto para imagem mantendo a identidade do sujeito intacta, e que funciona sem qualquer treinamento adicional.

A maioria dos modelos de texto para imagem baseados em difusão borra ou altera a semelhança de uma pessoa quando solicitada a modificar pequenos detalhes — trocar o formato de uma sobrancelha, deslocar um nariz ou mudar a cor dos olhos. O problema decorre da forma como esses modelos codificam um rosto como um conjunto denso de variáveis latentes; alterar qualquer uma delas tende a causar um efeito cascata em toda a imagem, quebrando a identidade.

O LIT contorna isso ao utilizar o codificador (encoder) congelado de um modelo existente e sondar seu espaço latente em busca de direções que correspondam a atributos faciais discretos. Em vez de retreinar toda a rede ou fornecer novos dados, o método isola tokens latentes individuais que governam cada parte específica do rosto. Um token pode controlar o formato da sobrancelha. Outro pode controlar a estrutura do nariz. Ao ajustar o valor de um único token, os desenvolvedores podem ajustar essa característica enquanto os tokens circundantes mantêm o restante do retrato inalterado.

A abordagem oferece quatro vantagens práticas:

• Precisão – As mudanças permanecem limitadas à característica alvo, preservando o visual geral.
• Baixo custo computacional – O codificador congelado significa que não há novos ciclos de treinamento, portanto, a carga computacional permanece mínima.
• Consistência de identidade – A semelhança da mesma pessoa sobrevive a edições em múltiplas imagens ou prompts.
• Rapidez de mercado – Pular o treinamento encurta o ciclo de desenvolvimento para aplicações que precisam de manipulação facial instantânea.

Os casos de uso que se beneficiam imediatamente incluem provadores virtuais, onde um comprador pode ver óculos ou maquiagem em seu próprio rosto sem que o modelo invente uma nova identidade, e ferramentas de criação de avatares que permitem aos usuários ajustar expressões, idade ou cor dos olhos em tempo real.