Oct, 2016

深度身份感知的面部属性转移

PDF
TL;DR本文利用深度卷积网络模型演示了一种基于身份意识的面部属性转换（DIAT）模型，该模型通过使用掩模网络和属性变换网络协同工作，生成具有参考属性并保持与输入图像相同或相似身份的真实面部图像。通过对属性无关区域进行正确编辑，即使是人脸相关的属性，DIAT 也可以产生视觉上令人印象深刻的结果。
deep convolutional networkidentity-aware transferfacial attributemask networkadversarial attribute loss
发现论文，激发创造
  • 卷积网络用于驱动属性和保护身份的人脸生成

    本文通过优化模型，采用基于 CNN 的深度卷积网络 VGG-Face，通过特定属性生成具有参考图像身份信息的人脸图像的优化问题，结果表明，该方法能够有效地实现基于属性驱动的身份保持人脸生成。

    Aug, 2016

  • 深度属性网络

    本文提出了称为深层属性网络（DAN）的模型，可以输出图像的属性而不进行分类，在无约束的人脸验证和现实世界中的物体识别任务中使用 LFW 和 a-PASCAL 数据集对提出的模型的功效进行了评估，展示了基于属性的分类用于深度学习，通过展示与现有最先进结果相当的结果来演示了其潜力，一旦训练得当，DAN 快速且不需要计算可能不可靠和计算代价昂贵的低级特征。

    Nov, 2012

  • 一种由面部属性预测增强的深度人脸识别网络

    该研究提出了一种新的深度学习框架，预测面部属性并将其作为软模态来提高面部识别性能，并且在预测属性和面部特征中融合以改进面部识别性能。实验结果表明，该模型在面部识别和属性预测性能方面都有很好的表现，特别是在身份面部属性预测方面。

    Apr, 2018

  • 具有几何感知流的实例级面部特征转移

    本篇论文提出了一种基于几何感知流表征的面部特征无对应数据实例级转移方法，配合外推网络和循环一致性框架可以实现跨大姿态和外貌差异的高保真面部特征转移。

    Nov, 2018

  • 多种面部属性的保持身份编辑：学习全局编辑方向和局部调整

    通过使用 StyleGANs 的潜在空间和提出的方法进行面部图像编辑，我们介绍了一种名为 ID-Style 的新架构，可以解决在属性处理过程中面临的身份丢失问题。ID-Style 的关键组件包括可学习的全局方向（LGD），为每个属性找到共享和半稀疏的方向，以及实例感知强度预测器（IAIP）网络，根据输入实例对全局方向进行微调。尽管与类似的最先进作品相比，网络尺寸减小了约 95％，但其在身份保持度量（FRS）和操作平均准确度（mACC）分别优于基线 10％和 7％。

    Sep, 2023

  • FaceController: 野外人脸可控属性编辑

    本文提出了一种基于前馈神经网络的人脸属性编辑方法，该方法可控制，转移和编辑野外人脸的多样属性，允许应用于人脸交换，光照转移和化妆品转移等多种应用。

    Feb, 2021

  • 可迁移的联合属性身份深度学习用于无监督个人重新识别

    本文提出了一种新的基于深度学习的 Transferable Joint Attribute-Identity Deep Learning (TJ-AIDL) 模型，可在目标域中进行无监督的 person re-id，并不需要目标领域中新的标签数据收集，模型在四个基准测试中表现优于当前最新的方法。

    Mar, 2018

  • 基于深度属性的多摄像头行人重新识别

    为了解决人员重识别中因姿势变化、视角变化、摄像头参数不同等导致的人的视觉外观难以匹配的问题，提出了一个半监督属性学习框架，该框架由三个阶段组成，并使用深度卷积神经网络来预测不同数据集上的深层特征。使用简单的余弦距离作为度量，取得了出乎意料的好效果，在度量学习模块的帮助下，显著优于许多最近的工作。

    May, 2016

  • AttGAN: 仅修改您想修改的部分的面部属性编辑

    本研究旨在改变面部图像的一个或多个属性，并保持其他细节，使用生成敌对网络（GAN）和编码器 - 解码器架构来确保高质量的面部特征编辑。

    Nov, 2017

  • ELEGANT: 用 GAN 交换潜在编码传递多个脸部属性

    本文提出了一种新颖的模型，通过在潜在空间中对所有属性进行解缠编码，实现了能够同时操作多个特征的图像生成，性能在 CelebA 人脸数据库上得到了验证。

    Mar, 2018