MirrorPPR：示例引导的人像精修扩散模型正式发布

近日，Triverse AI 自研的人像精修扩散模型 MirrorPPR 正式对外发布。

MirrorPPR 提出了「示例引导的人像精修（Exemplar-Based Portrait Photo Retouching）」新范式：模型不再依赖模糊的文字指令，而是从一对「修图前 / 修图后」示例中自动推断出修饰操作（面部特征调整、脸型优化、身材比例重塑等），再迁移到新的人像图片上，同时保持身份特征与非修饰区域不变。

核心创新

• Retouching Operation Extractor：基于冻结的 MAE + 可训练 R-Former，提炼示例对之间细微的差异信号
• 数据自增强范式：对示例对与查询对应用同一空间增强，保证操作严格对齐
• MirrorPPR47M 数据集：超过 4700 万对人像修饰样本，覆盖 27 种专业修饰操作

实验结果

在 SimFace-100 和 ProPortrait-500 两个跨身份评测集上，MirrorPPR 在 PSNR、SSIM、LPIPS 与 Face Similarity 四项指标上全面超越 Qwen-Image-Edit、FLUX.2-dev、Nano Banana 2、Seedream 4.5 等主流多参考 / 示例引导 / 文本引导编辑方法 —— Face Similarity 达到 0.96，远超第二名（0.81）。

目前 MirrorPPR 的能力正在接入公司图片生成产品线，将陆续面向企业客户开放。