ECCVMay, 2017

基于条件 CycleGAN 的属性引导人脸生成

PDF
TL;DR本文提出了基于属性的条件生成对抗网络（CycleGAN）来生成高分辨率的面部图像，并可以通过输入属性轻松控制所生成的面部外貌。我们还演示了基于该模型的三种应用：身份保留的人脸超分辨率、人脸交换和正面人脸生成，这些应用表明了我们新方法的优势。
attribute-guidedface generationcycleganconditionalidentity transfer
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

  • PrefGen: 使用相对属性指导偏好的图像生成

    通过比较用户的选择，本文提出了一种基于偏好的图像生成、编辑方法，并成功运用于人脸编辑任务中。

    Apr, 2023

  • MagGAN：带掩模的生成对抗网络高分辨率人脸属性编辑

    本文提出了一种面向高分辨率人脸属性编辑的掩码引导生成对抗网络 (MagGAN)，通过使用预先训练的人脸分析器中的语义面部掩码来指导细粒度的图像编辑过程。

    Oct, 2020

  • Attribute2Image: 从视觉特征生成有条件的图像

    探究了从视觉属性生成图像的新问题，开发了一种具有分离潜在变量的分层生成模型，该模型可以使用变分自动编码器进行端到端学习，使用一般的能量最小化算法进行后验推理，展示了在面部和鸟类自然图像中生成具有分离潜在表示的逼真多样样本的优异结果。

    Dec, 2015

  • 面部合成中开放式身份保持的探索

    提出了一种基于生成对抗网络 (GAN) 的框架，以在开放领域中保留身份的人脸合成中，区分脸部的身份和属性。它可以方便地重新组合不同身份和属性，以合成身份保持的面部。

    Mar, 2018

  • 带有条件 GAN 的面罩引导肖像编辑

    本文提出了一种通过使用面部覆盖蒙版的条件生成式对抗网络生成更具多样性、质量、可控性的逼真面部，该方法可用于本地面部编辑、面部合成和交换，同时提供了数据增强的选项以加强面部分析的性能。

    May, 2019

  • LinesToFacePhoto: 基于条件自注意力生成对抗网络的线条生成人脸照片

    本文提出了使用有条件的自我关注机制的生成对抗网络，以在不同区域之间捕获长距离依赖项，同时构建多尺度鉴别器以增强逼真度和保留面部结构，实验表明该方法在定性和定量的指标方面均优于现有的最先进方法。

    Oct, 2019

  • CAFE-GAN: 基于互补注意力特征的任意人脸属性编辑

    本研究提出了一种基于生成对抗网络 (GAN) 的新型 GAN 模型，其特点是使用互补注意力特征 (CAFE) 来识别面部图像中要转变的区域，并在生成器中使用互补特征匹配来利用属性的空间信息，旨在解决其他方法中出现的对非指定区域进行无意义调整的问题，并通过与最先进方法的分析和比较研究来证明所提出方法的有效性。

    Nov, 2020

  • 基于属性分解 GAN 的可控人物图像合成

    介绍了一种属性分解生成对抗网络，能够通过将人的属性嵌入潜在空间作为独立编码，通过混合和插值运算在显式样式空间中灵活控制属性，从而实现可控的人物图像生成，实现了更好的姿势和组件属性转换。

    Mar, 2020

  • 高保真度和任意性人脸编辑

    该论文提出了一种名为 HifaFace 的简单而有效的方法，该方法从两个角度解决了通过循环一致性满足约束条件，隐藏原始图像信息以实现面部编辑的问题，并提出了一种新的属性回归损失来实现面部编辑的精细控制。

    Mar, 2021