Jan, 2018

基于全面逐层逐步生成对抗网络的多可控属性高分辨率人脸补全

PDF
TL;DR本文采用深度学习的方法，利用生成式对抗网络 (GANs) 在高分辨率下控制多种属性（如男性和微笑）来完成高分辨率下具有多种属性控制的面部图像。
发现论文，激发创造
  • 生成性人脸补全

    本文提出一种基于深度生成模型的有效面部完成算法，通过神经网络直接生成缺失区域的内容，并通过重构损失、两种对抗性损失和语义分割损失进行训练，能够处理任意形状的大面积丢失像素并生成逼真的面部完成结果。

    Apr, 2017

  • 利用语义知识和协同对抗学习实现人脸补全

    本文提出了一种协作式对抗学习算法 (collaborative GAN，简称 collaGAN)，结合面部完成 (face completion)、地标检测 (landmark detection) 和语义分割 (semantic segmentation) 等多项任务，以明确和增强语义知识，优化面部完成任务。大量实验证明该算法产生了卓越的性能表现，优于其他生成图像修复模型和单项任务学习方法。

    Dec, 2018

  • 带有掩码 GAN 潜码优化的高分辨率人脸编辑

    本文提出了一种基于局部属性编辑的新方法 MaskFaceGAN，采用最先进的生成对抗网络（StyleGAN2）的潜在编码进行优化，通过不同 iable 的属性分类器和面部解析器执行多个约束条件，实现对人脸图像的局部面部属性进行编辑，达到了极高的图像质量，在 1024x1024 的高分辨率下进行编辑，而且相对于现有的竞争性解决方案，其属性交错问题更少。

    Mar, 2021

  • 几何感知的人脸补全与编辑

    本文提出了一种基于面部几何特征的面部完成和编辑网络（FCENet），通过从未误差处理的人脸区域分析面部几何结构，采用编码器 - 解码器结构和低秩正则化项进行脸部图像的自动修复和编辑。

    Sep, 2018

  • 使用深度学习进行语义图像补全和增强

    本文提出了一种深度学习架构，使用生成对抗网络 (Wasserstein GAN architecture) 完成损坏、缺失图像的修复与增强，实验结果表明该方法相对于最近报道的结果，峰值信噪比和结构相似度指数提高了 2.45% 和 4%。

    Nov, 2019

  • 学习面部完整性的解耦与融合网络，应对结构性遮挡

    本文提出了基于联合解缠缚和聚合过程的生成对抗网络（DF-GAN）来实现受结构遮挡的面部完成，并采用编码器 - 解码器结构，能够通过修改潜在表示来模拟结构遮挡。在四个 Meshface 数据库上的实验结果表明了我们提出方法的有效性。

    Dec, 2017

  • 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

  • PA-GAN: 面部属性编辑的渐进式注意力生成对抗网络

    本文提出了一种基于渐进式注意力 GAN 的人脸属性编辑方法，通过每个级别的注意力掩模约束在适当的属性区域内，从高到低的特征级别逐步进行编辑，以维护身份和背景等其他信息，并避免不必要的修改干扰，使该方法实现了正确的人脸属性编辑，并更好地保留了不相关的细节信息。

    Jul, 2020

  • 大范围眼部遮挡下的身份保持人脸修复

    本研究提出了一种基于深度学习的面部修复方法，能够在大面积遮挡的情况下实现多角度视角的面部完成重构，并保持面部的身份特征。与传统的面部修复方法不同，该方法基于生成网络，具有特定的约束条件，能够合成具有一致身份特征的连贯面部图像，拥有更好的稳定性和合成技巧。

    Jul, 2018

  • 学习 Oracle 注意力进行高保真度脸部修复

    本文提出了基于 U-Net 结构的面部补全框架，包括双空间注意力模块和多鉴别器，可以有效学习多尺度面部纹理之间的关联，提高面部组件的保真度。实验结果表明该方法优于目前的最先进方法。

    Mar, 2020