SHMT

SHMT（Self-supervised Hierarchical Makeup Transfer）是由阿里巴巴达摩院与武汉理工大学等机构联合研发的一种先进的自监督化妆转移技术。该技术基于潜在扩散模型，能够在不依赖成对训练数据的情况下，将多种化妆风格自然地应用到目标面部图像上。其核心采用“解耦-重建”策略，并结合拉普拉斯金字塔和迭代双重对齐模块，实现对纹理细节的灵活控制以及对齐误差的动态校正，从而显著提升化妆转移的效果和图像保真度。该技术能够有效处理复杂的面部特征和表情变化，确保高质量的迁移效果。 SHMT具备多项核心功能，包括高效迁移、动态对齐校正和多样化应用场景。它能够精准地将多样化的妆容风格应用于人脸图像，同时通过迭代双重对齐模块，在去噪过程中动态调整注入条件，修正对齐误差。此外，SHMT适用于图像处理、风格迁移、计算机视觉等多个领域，如线上试妆、虚拟化妆、影视角色设计及个性化广告制作等。 项目已开源，相关代码和论文可在GitHub和arXiv上获取。