Aug, 2017

通过条件式差异对抗自编码器实现逼真的面部表情合成

PDF
TL;DR本文提出了一种条件差异对抗自编码器（CDAAE）的方法，用于从单张面部图像中合成逼真的面部表情，该方法可以解决因没有标记的面部表情数据而造成的身份和表情变化的消歧问题，同时能够在生成表情的同时保留身份信息，并可用于情感识别和数据扩增等方面。
facial expression synthesisconditional difference adversarial autoencoderidentity preservationdata augmentationsmall databases
发现论文，激发创造
  • 有条件对抗自动编码器实现年龄变化

    本文从生成式建模的角度出发，提出了一种基于条件对抗自编码器的人脸年龄变化模型，该模型可以无需配对数据样本，直接对未标注的图片进行年龄属性变化，从而实现同时平滑的人脸年龄变化和回归。实验结果表明，本文提出的方法在性能和灵活性方面表现出了优秀的表现。

    Feb, 2017

  • 基于条件多对抗自编码器和序数回归的面部老化和恢复

    本研究提出了一种基于生成对抗网络的模型，可以通过年龄估计技术来控制面部老化和变年轻的准确性，同时利用高级特征表示来保留个性化身份信息，实验结果显示该方法具有比现有方法更好的性能。

    Apr, 2018

  • 通过自监督分离身份和姿势实现逼真的人脸复原

    本文提出了一种新型的自我监督混合模型（DAE-GAN），它结合了两个形变自编码器及条件生成的最新进展，用于学习如何在大量未标记视频的情况下自然地再现人脸，并且在 VoxCeleb1 和 RaFD 数据集上得到了优秀的实验结果，表明了重新表演图像的优异品质和在不同身份之间转移面部动作的灵活性。

    Mar, 2020

  • 几何引导的对抗性面部表情合成

    本文提出一种几何引导生成对抗网络 (G2-GAN)，通过面部几何条件（标识点）来引导特定表情的面部纹理合成，实现逼真的与身份保护面部表情合成，并取得了良好的实验效果。

    Dec, 2017

  • 跨域对抗自编码器

    本文提出了 “跨领域对抗自编码器（CDAAE）” 来解决跨领域图像推理、生成和转换的问题，实现了基于内容的不同领域图片的生成，并且可以通过有标签的和无标签的数据进行训练，同时在数据集 SVHN，MNIST 和 CASIA 上都获得了具有视觉吸引力的图像生成效果和优越的领域适应性。

    Apr, 2018

  • 利用自动编码流进行语义人脸表情编辑

    本研究提出了一种基于流动面部操作和变分自编码器的面部表情编辑方法，可以高效地实现面部表情的编辑和插值，并生成具有更高知觉质量的图像。

    Nov, 2016

  • DiffusionAct：可控的一次性人脸仿真的扩散自编码器

    DiffusionAct 是一种利用扩散模型的照片级真实图像生成来进行神经脸部再现的新方法，能够编辑输入图像的脸部姿势，实现一次性、自我和跨主体再现，并展示了优于甚至与 GAN、StyleGAN2 和扩散方法相媲美的再现性能。

    Mar, 2024

  • 基于区域的面部动作单元对抗合成

    本文提出了一种面部动作单元（AU）级别的面部表情合成方法，使用基于 AU 注释的本地注意条件生成对抗网络（LAC-GAN）控制 AU 状态，并使用非配对训练数据训练操纵模块， 在常用的 BP4D 数据集上进行定量和定性评估以验证该方法的有效性。

    Oct, 2019

  • 面具感知写实人脸属性编辑

    本研究使用变分自动编码器 (VAE) 和生成式对抗网络 (GAN) 相结合的方法，设计了 M-AAE 算法，在保持面部细节的前提下修改图片特征，通过面部识别损失和循环一致性损失，以及生成面部口罩来强化 VAE 和 GAN 的训练目标，成功生成了高质量、保留细节的图像，并超越了现有方法。

    Apr, 2018

  • 3D 面部动作单元的有条件对抗合成

    本文提出了一种基于 3D 形态模型的面部图像综合框架，可以通过给定目标 AU 标签生成生成新的表情参数和面部图像来增强面部表情识别数据，并在基准 DISFA 数据集上表现出良好的增强效果和 AU 强度估计性能。

    Feb, 2018