人脸分割、人脸交换和人脸感知
使用卷积神经网络以及风格转移技术进行面部图像交换,通过新的损失函数得到高度逼真的结果并结合预处理和后处理步骤,目标是实现实时面部交换且无需用户手动干预。
Nov, 2016
本文提出了一种新颖的端到端人脸交换流水线用于评估面孔交换方法在隐私保护方面的效益和使用效用之间的平衡以及与基线隐私方法的差异,研究表明当前基于深度网络人脸交换受到现实世界视频中面部检测的瓶颈限制,文章针对标准儿童自闭症症状评估记录视频进行研究。
Apr, 2022
本研究提出一种可靠的 face swapping 框架,使用 cycle triplets 作为图像级别的指导,并通过 FixerNet 增强下半脸区域的表征,从而提高面部交换网络的性能和身份保留能力。
Jun, 2023
本研究提出了一种基于深度学习的面部交换生成对抗网络(FSGAN),用于面部交换和活体重放,包括一种新颖的迭代深度学习方法,可用于面部活体重放,采用重建三角形和重心坐标的方法连续插值,使用面部补全网络处理被遮挡的面部区域,最终采用一种新型泊松混合损失融合两张面孔并保持目标肤色和照明条件。
Feb, 2022
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
本文提出了一种基于语义流引导的两阶段框架 ——FlowFace 进行面部交换,FlowFace 可以成功传递源面部轮廓和内部面部特征到目标面部,从而获得更加逼真的面部交换效果。
Dec, 2022
本文介绍了一种基于深度生成模型的图像人脸交换技术,使用神经网络代替面部纹理,应用于只需提供两张面部图像的交换中,能够更好地处理不同面孔朝向和光照条件的情况,并在多个实验中证明了该方法优于现有方法。
Nov, 2018
本文提出了一种基于 StyleGAN 的自适应潜在表示学习的高分辨率人脸交换框架,通过多任务双空间人脸编码器和自适应潜在编码交换模块来实现面部感知和融合,从而提高人脸交换的真实性和广泛适用性,并证明了该方法优于现有的最先进方法。
Mar, 2023
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
本文提出了一种基于 GAN 的脸部交换和演绎方法,其中采用了 RNN 和 Delaunay Triangulation 来进行脸部再现,并使用 Poisson blending loss 来实现融合。与现有技术相比,本方法在定性和定量方面均有更好的表现。
Aug, 2019