应用体验
上传人像，试试适合你的新妆容。
此体验暂未开放
历史记录
应用场景
围绕试妆、电商、影视与虚拟形象等场景提供可复用的妆容迁移能力
虚拟试妆
用户可以将网红妆容一键迁移到自己面部，直观预览上妆效果。
电商展示
为美妆产品创建多样化的模特展示效果，提升产品吸引力。
内容创作
为短视频、博客提供多样化妆容素材，轻松打造专业美妆内容。
虚拟形象
为虚拟主播、数字人定制多样化妆容，降低设计的时间成本。
模型特点
关注妆容贴合度、身份保持与生成稳定性
妆容相似度
FLUX-Makeup能够准确捕捉参考图中的妆容风格，并将其自然迁移到源图上，实现了高保真的妆容迁移效果。
身份一致性
通过解耦特征注入机制，FLUX-Makeup成功避免了身份崩溃问题，保持了源图人物的身份特征不变。
结果稳定性
在不同姿态、表情和复杂妆容下，FLUX-Makeup均能稳定输出自然、一致的迁移结果，展现了其强大的鲁棒性。
评测结果
覆盖 MT、Wild-MT 与 LADN 等典型评测维度
MT Benchmark
在 MT、Wild-MT 和 LADN 三个基准数据集上的定量评估表明，FLUX-Makeup 在妆容相似度（CLIP-I）、身份一致性（SSIM）以及背景保持（L2-M）等指标上均取得了最优或接近最优的综合表现。
适配各类妆容
构建包含5万+高质量配对妆容数据的HQMT数据集，为FLUX-Makeup的训练提供了坚实的基础，模型对各类淡妆浓妆均有不错的效果。
模型方法
以数据引擎、特征解耦与高一致性迁移路径构建线上美妆体验能力
无需额外人脸控制模块
FLUX-Makeup 仅使用“源 + 参考”输入（最自然的交互格式）即可提供高保真、一致且强大的妆容传输，而无需任何额外的面部控制模块。
数据引擎和 HQMT 数据集
开发了一个可扩展、可过滤和质量控制的数据生成管道，并整理了一个包含超过 50,000 个样本的高质量配对化妆数据集HQMT。
解耦特征注入
通过 RefLoRAInjector，定义了两组低秩投影，以实现精确提取与化妆相关的信息，同时有效防止身份崩溃和背景失真。