HonestFace: Towards Honest Face Restoration with One-Step Diffusion Model

कल्पना कीजिए कि आप अपने सबसे अच्छे दोस्त की एक धुंधली और खरोंच वाली फोटो को ठीक करने की कोशिश कर रहे हैं, जो एक भीड़भाड़ वाले कॉन्सर्ट में ली गई थी। आप इसे फिर से एकदम साफ और स्पष्ट बनाना चाहते हैं, लेकिन आपकी एक समस्या है: मूल फोटो इतनी खराब है कि कंप्यूटर को यह पता ही नहीं चल पा रहा है कि आपके दोस्त की आँखें वास्तव में कैसी दिखती हैं, या उनके मुँह के पास एक छोटा सा तिल है या नहीं। अगर कंप्यूटर सिर्फ अंदाज़ा लगाने लगा, तो वह आपके दोस्त की भूरी आँखों की जगह नीली आँखें बना सकता है, या उनकी त्वचा को इतना चिकना कर सकता है कि वह प्लास्टिक जैसी दिखने लगे। यह "फेस रेस्टोरेशन" (चेहरा पुनर्स्थापना) की दुनिया है, जो कंप्यूटर विज्ञान की एक शाखा है जहाँ मशीनें क्षतिग्रस्त छवियों को ठीक करने की कोशिश करती हैं। वर्षों से, वैज्ञानिकों ने इन तस्वीरों को तेज करने के लिए उपकरण बनाए हैं, लेकिन एक पेंच है। कई उपकरण बहुत अधिक 'खुश करने' के लिए उतावले होते हैं; वे ऐसे नए विवरण गढ़ लेते हैं जो दिखने में तो अच्छे लगते हैं लेकिन असली व्यक्ति के प्रति सच्चे नहीं होते। वे चेहरे को एकदम परफेक्ट बना सकते हैं, लेकिन इससे वह आपके दोस्त जैसा दिखना बंद हो जाता है और एक सामान्य, एयरब्रश्ड अजनबी जैसा दिखने लगता है। बड़ा सवाल यह है: हम किसी फोटो को बिना इस बात से झूठ बोले कैसे ठीक करें कि वह व्यक्ति वास्तव में कैसा दिखता है?

यहाँ HonestFace आता है, जो शंघाई जियाओ टोंग यूनिवर्सिटी और vivo के शोधकर्ताओं द्वारा विकसित एक नया तरीका है, जिसका लक्ष्य फोटो मरम्मत का "सत्यवादी" बनना है। अधिकांश वर्तमान फेस-रेस्टोरेशन AI को एक ऐसे रचनात्मक लेखक के रूप में सोचें, जो जब किसी कहानी को पूरा करने के लिए कहा जाता है, तो एक ऐसा सुखद अंत बना देता है जो पात्रों के अनुकूल नहीं होता। दूसरी ओर, HonestFace एक सख्त इतिहासकार की तरह है जो तथ्य गढ़ने से इनकार करता है। यह एक धुंधली फोटो और उसी व्यक्ति की कुछ साफ, उच्च गुणवत्ता वाली तस्वीरों (जैसे एक संदर्भ एल्बम) का उपयोग करके चेहरे को पुनर्गठित करने के लिए एक विशेष "वन-स्टेप" (एक-चरणीय) प्रक्रिया का उपयोग करता है। अंदाज़ा लगाने के बजाय, यह वास्तविक पहचान संबंधी विशेषताओं—जैसे आँखों का सटीक आकार और त्वचा की बनावट—को अच्छी तस्वीरों से सावधानीपूर्वक निकालता है और उन्हें धुंधली फोटो के साथ मिला देता है। परिणाम एक ऐसी बहाल की गई छवि है जो अविश्वसनीय रूप से स्पष्ट और प्राकृतिक दिखती है, लेकिन सबसे महत्वपूर्ण बात यह है कि यह मूल व्यक्ति के प्रति "ईमानदार" रहती है, उनकी अनूठी झुर्रियों, आँखों के रंग और यहाँ तक कि छोटे दाग-धब्बों को भी बरकरार रखती है, बजाय इसके कि उन्हें हटाकर एक नकली, प्लास्टिक जैसा लुक दे दिया जाए।

समस्या: जब "परफेक्ट" का मतलब "नकली" हो जाता है

चेहरा पुनर्स्थापना एक ऐसी पहेली को हल करने जैसा है जहाँ आधे टुकड़े गायब हैं या पिघल गए हैं। जब कोई फोटो निम्न-गुणवत्ता (LQ) वाली होती है—शायद वह धुंधली, शोरयुक्त या कंप्रेस्ड हो—तो कंप्यूटर उन बारीक विवरणों को खो देता है जो एक चेहरे को अद्वितीय बनाते हैं। मौजूदा उपकरण "जेनरेटिव" (उत्पादक) मॉडल्स का उपयोग करके इन रिक्त स्थानों को भरने की कोशिश करते हैं, जो ऐसे कलाकारों की तरह हैं जिन्होंने लाखों चेहरे देखे हैं और जो जानते हैं कि क्या बनाना है, उसके आधार पर एक नया चेहरा पेंट करने की कोशिश करते हैं।

समस्या यह है कि ये कलाकार अक्सर बहुत अधिक रचनात्मक हो जाते हैं। वे त्वचा को इतना चिकना कर सकते हैं कि वह एक गुड़िया जैसी दिखने लगे, या वे बालों की बनावट को बहुत एकसमान बना सकते हैं, जिससे वास्तविक बालों की उलझी हुई, प्राकृतिक लटें खो जाती हैं। इसे "ओवर-स्मूथिंग" (अत्यधिक चिकना करना) कहा जाता है। अन्य समय में, वे रंगों को बदल सकते हैं, जिससे किसी व्यक्ति की त्वचा बहुत गुलाबी या आँखें अलग शेड की दिखने लगती हैं। हालांकि ये तस्वीरें तीक्ष्णता (sharpness) के मामले में "उच्च गुणवत्ता" वाली दिखती हैं, लेकिन वे "ईमानदारी" की कसौटी में विफल रहती हैं: वे अब असली व्यक्ति जैसी नहीं दिखतीं। वे एक सामान्य, आदर्श मानव संस्करण की तरह दिखती हैं, जो एक फिल्मी पात्र के लिए तो बढ़िया है लेकिन भीड़ में आपके दोस्त को पहचानने के लिए बुरा है।

समाधान: "ईमानदार" जासूस

लेखक HonestFace का प्रस्ताव देते हैं, जो एक ऐसा सिस्टम है जिसे इन समस्याओं को ठीक करने के लिए "ईमानदार" होने के उद्देश्य से डिज़ाइन किया गया है। यह एक सरल लेकिन शक्तिशाली विचार पर काम करता है: यदि आप किसी विशिष्ट व्यक्ति की धुंधली फोटो को ठीक करना चाहते हैं, तो आपको केवल अंदाज़ा नहीं लगाना चाहिए; आपको उसी व्यक्ति की अन्य स्पष्ट तस्वीरों को मरम्मत के मार्गदर्शन के लिए देखना चाहिए।

यहाँ बताया गया है कि HonestFace कैसे काम करता है, जिसे इसके तीन मुख्य "सुपरपावर्स" में विभाजित किया गया है:

1. पहचान का जासूस (Identity Embedder)
कल्पना कीजिए कि आप एक चित्रकार को अपने दोस्त का वर्णन करने की कोशिश कर रहे हैं, लेकिन आप उसे केवल एक धुंधली फोटो दिखा सकते हैं। आपके पास अपने दोस्त की कुछ स्पष्ट तस्वीरें भी हैं। एक सामान्य AI केवल धुंधली फोटो को देखकर अंदाज़ा लगा सकता है। हालाँकि, HonestFace एक जासूस की तरह कार्य करता है। इसके पास दो विशेष उपकरण हैं:

• फीचर फाइंडर (विशेषता खोजने वाला): यह चेहरे के सबसे सुसंगत हिस्सों, जैसे आँखों पर ज़ूम करता है, ताकि स्पष्ट संदर्भ तस्वीरों से आँखों के रंग और पलकों के आकार जैसे विशिष्ट विवरण प्राप्त किए जा सकें।
• आइडेंटिटी कीपर (पहचान बनाए रखने वाला): यह पूरे चेहरे को समझता है ताकि यह जान सके कि वह व्यक्ति असल में कौन है।
  इन दोनों को मिलाकर, यह एक "प्रॉम्ट" (निर्देशों का एक सेट) बनाता है जो AI को बताता है कि उसे वास्तव में किसकी पेंटिंग करनी है, जिससे यह सुनिश्चित होता है कि आँखें और समग्र रूप वास्तविक व्यक्ति से मेल खाते हैं, न कि केवल एक रैंडम अंदाज़ से।

2. स्पॉटलाइट गाइड (Masked Face Alignment)
सही पहचान होने के बावजूद, एक AI अभी भी बनावट (texture) के साथ गड़बड़ी कर सकता है। यह त्वचा को बहुत चिकना बना सकता है या बालों को बहुत परफेक्ट बना सकता है। इसे ठीक करने के लिए, HonestFace एक "स्पॉटलाइट" तकनीक का उपयोग करता है। यह एक मानचित्र (हीटमैप) बनाता है जो मानव धारणा के लिए सबसे महत्वपूर्ण हिस्सों को उजागर करता है—जैसे आँखें, मुँह और झुर्रियों के आसपास की त्वचा की बनावट।
इसे एक शिक्षक की तरह समझें जो केवल सबसे महत्वपूर्ण प्रश्नों को देखकर परीक्षा ग्रेड करता है। AI अपनी ऊर्जा इन विशिष्ट क्षेत्रों को वास्तविक और बनावट युक्त दिखाने में लगाता है, बजाय इसके कि कम महत्वपूर्ण हिस्सों पर प्रयास बर्बाद करे। यह सुनिश्चित करता है कि बहाल किए गए चेहरे में प्राकृतिक रोमछिद्र, महीन झुर्रियां और बिखरे हुए बाल हों, न कि एक प्लास्टिक, एयरब्रश्ड फिनिश।

3. वन-स्टेप मैजिक (एक-चरणीय जादू)
आमतौर पर, इन उन्नत AI मॉडल्स के साथ फोटो को ठीक करने में कई चरण लगते हैं, जैसे प्याज की एक परत को एक-एक करके छीलना, जिसमें बहुत समय लगता है। Honestife एक "वन-स्टेप डिफ्यूजन मॉडल" का उपयोग करता है। यह एक ऐसे जादूगर की तरह है जो एक लंबे, जटिल करतब के बजाय एक ही झटके में टोपी से खरगोश निकाल सकता है। यह धुंधली फोटो और संदर्भ फोटो लेता है और एक ही बार में अंतिम, उच्च-गुणवत्ता वाला परिणाम तैयार करता है। यह इसे अविश्वसनीय रूप से तेज़ बनाता है, इसे प्रोसेस करने में केवल लगभग 0.13 सेकंड का समय लगता है, जो इसे रियल-टाइम ऐप्स के लिए पर्याप्त तेज़ बनाता है।

नया प्रमाण: एक वास्तविक दुनिया का परीक्षण

यह साबित करने के लिए कि उनका तरीका वास्तव में काम करता है, शोधकर्ताओं ने केवल कंप्यूटर द्वारा बनाई गई खराब फोटो का उपयोग नहीं किया। उन्होंने MultiRefCeleb-Test नामक एक नया डेटासेट बनाया है। यह 400 से अधिक मशहूर हस्तियों की 9,000 से अधिक वास्तविक तस्वीरों का संग्रह है जो वास्तविक दुनिया की स्थितियों (जैसे कॉन्सर्ट, जैसा कि पेपर के चित्र 1 में दिखाया गया है) में ली गई हैं। इन तस्वीरों में वास्तविक समस्याएँ हैं: खराब रोशनी, मोशन ब्लर और कंप्रेशन आर्टिफैक्ट्स।

परिणामों ने दिखाया कि HonestFace ने अन्य सभी शीर्ष तरीकों को पछाड़ दिया।

• दृश्य गुणवत्ता (Visual Quality): अगल-बगल के तुलनात्मक अध्ययन में, HonestFace ने अधिक स्वाभाविक दिखने वाले चेहरे बनाए। जहाँ अन्य तरीके चेहरों को चिकने प्लास्टिक जैसा बना देते थे या आँखों के रंग बदल देते थे, वहीं HonestFace ने त्वचा की बनावट को यथार्थवादी और रंगों को सटीक रखा।
• पहचान (Identity): यह पहचान बनाए रखने में बहुत बेहतर था। यदि आप किसी सेलिब्रिटी की धुंधली फोटो लेते हैं, तो HonestFace एक ऐसा चेहरा बहाल करता है जो उसी सेलिब्रिटी जैसा दिखता है, जबकि अन्य तरीके अक्सर किसी दूसरे व्यक्ति या एक सामान्य मॉडल जैसे दिखते थे।
• गति (Speed): एक अधिक जटिल काम करने के बावजूद, यह सबसे तेज़ मौजूदा वन-स्टेप तरीकों के समान ही तेज़ था।

यह क्या नहीं करता (और यह क्या खारिज करता है)

पेपर इस बारे में बहुत स्पष्ट है कि यह क्या नहीं है। यह इस विचार का खंडन करता है कि "जितना चिकना, उतना बेहतर"। यह स्पष्ट रूप से उन तरीकों को खारिज करता है जो अत्यधिक स्मूथ, "प्लास्टिक" जैसे चेहरे बनाते हैं, भले ही वे चेहरे शार्प दिखते हों। यह उन तरीकों के विरुद्ध भी तर्क देता है जो या तो एक सिंगल रेफरेंस फोटो पर निर्भर करते हैं या कई फोटो का औसत निकालते हैं, क्योंकि ये दृष्टिकोण उन समृद्ध विवरणों को छोड़ देते हैं जो वास्तव में "ईमानदार" बहाली के लिए आवश्यक हैं।

लेखक सिंथेटिक (कंप्यूटर-निर्मित) और वास्तविक दुनिया के डेटासेट दोनों पर व्यापक परीक्षण के आधार पर अपने परिणामों के प्रति आश्वस्त हैं। उन्होंने अपनी सफलता को मानक मेट्रिक्स का उपयोग करके मापा, जैसे कि बहाल की गई छवि मूल के कितनी करीब है (PSNR, SSIM) और यह मानव निर्णयों के लिए कितनी "वास्तविक" दिखती है (LPIPS, MANIQA)। डेटा दिखाता है कि HonestFace इन क्षेत्रों में पिछले तरीकों की तुलना में लगातार उच्च स्कोर करता है, जो यह सुझाव देता है कि यह फेस रेस्टोरेशन को उच्च-गुणवत्ता वाला और सत्यनिष्ठ बनाने की दिशा में एक महत्वपूर्ण कदम है।

संक्षेप में, HonestFace फोटो को ठीक करने का एक नया तरीका है जो कहता है, "आइए इसे शानदार बनाएं, लेकिन आइए यह सुनिश्चित करें कि यह अभी भी आप ही दिखें।" यह आधुनिक AI की गति को एक सावधानीपूर्ण, विवरण-उन्मुख दृष्टिकोण के साथ जोड़ता है जो एक सुंदर तस्वीर के लिए सच्चाई का बलिदान करने से इनकार करता है।