这篇论文利用深度神经网络逆向低维人脸嵌入并生成高质量真实的图像,探索了两种方法,通过引导图像使用梯度上升方法生成一致性良好的图像和通过训练单独的神经网络一次性解决最小化问题来实时生成图像,并对神经网络与梯度下降进行对比实验。
Jun, 2016
本研究提出了一种基于卷积网络的方法,实现将人脸照片转化为面部素描,并添加判别性正则化项提高生成的人物素描的可辨识度,该方法在多项基准测试中表现优于其他当前最先进方法。
Jan, 2015
本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模,它具有省力且自由的手绘界面,并支持基于手势的用户交互。
Jun, 2017
本文提出了一种半监督深度学习架构,扩展了面部素描合成以处理现实中的面部照片,该方法使用小的参考照片集中的照片与输入照片进行补丁匹配,并使用相应的素描特征补丁组成伪素描特征表示来监督网络。通过该方法,我们可以使用参考照片集和大型面部照片数据集对网络进行训练,并取得公共基准测试和野外面部照片方面最先进的表现。
Dec, 2018
本文提出一种新颖的基于素描的面部图像编辑系统,它利用了用户的少量素描笔画,有几何和颜色约束,支持粘贴模式和实时交互,并建立在基于新颖的素描领域和卷积神经网络之上,从而将图像完成和图像翻译两个任务结合在一起,十分成功。
Apr, 2018
本文提出了一种基于深度对抗图像合成框架,结合草图轮廓和稀疏颜色笔画生成逼真的汽车、卧室或人脸。我们展示了一个基于草图的图像合成系统,允许用户在草图上涂鸦以指示所需对象的首选颜色。该网络是前向的,可以实时看到用户编辑的效果。与最近关于草图到图像合成的研究进行了比较,表明我们的方法可以生成更逼真、更多样和更可控的输出,并且对于灰度图像的用户引导上色也很有效。
Dec, 2016
本文通过基于卷积神经网络的 Inception 和 ResNet 模型在 MSU Mobile Face Spoofing 数据库上的表现,研究了如何应用这些深度学习算法实现面部反欺骗的生物特征访问控制。
May, 2018
DeepFacePencil 是一种有效的工具,可以基于新颖的双生成器图像翻译网络和新颖的空间注意池设计来自动处理手绘草图的空间变形并支持不同的笔画风格和不同级别的细节,从而生成逼真的面部图像。
Aug, 2020
InverseFaceNet 是一种基于深度卷积反渲染框架的新方法,可以实时地从单个输入图像中同时估计人脸的姿态、形状、表情、反射和照明,通过利用深度神经网络训练,结合实时的外观编辑和重新照明等高级处理技术,实现了高质量、高度还原的人脸重建。
Mar, 2017
本文针对人类无限制手绘素描建模,尝试将图标式手绘转化为更几何实际的物体轮廓,并分离显著的特征细节,以实现更好的对象匹配,最终提出了一种基于无监督图像风格转移模型的深度 FG-SBIR 模型,通过定量和定性评估,证明了其在风格转移和 FG-SBIR 方面优于现有方法。
Aug, 2018