本文介绍了一种基于全卷积网络的人脸分割方法以及利用该方法进行的高效准确的人脸替换技术,并使用 “Labeled Faces in the Wild” 数据集进行了测试,证明了该方法的有效性。
Apr, 2017
本文描述了一种新颖的人脸交换网络,使用 transformer 网络来学习源脸部与目标脸部之间高质量的语义感知对应,实现在交换后的脸部图像中同时保留源身份和目标属性。
Apr, 2023
本文提出一种使用单个深度卷积神经网络进行人脸检测,人脸对齐,姿态估计,性别识别,微笑检测,年龄估计和人脸识别的多用途算法,通过多任务学习框架实现了对 CNN 模型的共享参数的规范化,并在不同领域和任务之间建立协同关系,实验结果表明该网络对人脸具有更好的理解,并在大多数任务方面实现了最先进的结果。
Nov, 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
通过卷积神经网络,本篇论文提出了一个支持快速推理、快速部分模型更新、不配对图像集学习的模型来实现数字人脸编辑的目标。实验结果表明:该模型可以处理各种表情、装饰和化妆效果,快速生成高分辨率和高质量的数字人脸编辑图像。
Mar, 2018
通过一个创新的端到端框架,我们提出了一种高保真度的面部交换方法,其中使用了深度学习方法中的生成对抗网络(GANs)作为基础,通过面部属性编码器、基于注意力的样式混合模块和样式解码器等多个模块,解决了以往面部交换方法中的混合不一致、失真、伪影和训练稳定性等问题。我们在 CelebA-HQ 数据集上进行了大量实验,与其他先进方法相比,我们的面部交换方法生成的图像具有更高的视觉质量,并且每个提出的模块都显著有效。源代码和权重将公开提供。
Dec, 2023
本文提出了一种使用 ensembles 方法来判断现代面部操作技术的视频序列的面部操作检测的解决方案,该方案使用了基于卷积神经网络的不同模型,并结合了 EfficientNetB4、注意力层和连体训练等不同概念,针对以上两个概念结合的模型,本文在两个公开数据集上测试得出了令人期待的结果。
Apr, 2020
该论文利用深度神经网络将面部素描图像还原为照片级真实面部图像,采用半模拟数据集和深度学习技术,包括批处理规范化、深层残差学习、感知损失和随机优化。最后,通过艺术和犯罪学示例,展示了该方法的应用潜力。
Jun, 2016
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。
本研究提出了 BlendFace,一种用于换脸的新型身份编码器,通过在混合图像上训练面部识别模型并引导生成器,解决了现有方法中存在的身份 - 属性纠缠问题。大量实验证明 BlendFace 在换脸模型中提高了身份与属性的分离效果,并且在定量性能上与之前的方法相当。
Jul, 2023