Feb, 2018

多视角人脸图像合成的负载平衡对抗生成网络

PDF
TL;DR本文提出了一种基于 LB-GAN 的方法，精确旋转输入人脸图像的航向角度到任意指定角度，该方法将多视角合成问题分解成两个受约束的子任务，其中正面化器处理输入图像，编辑器则根据远程代码旋转图像，最后通过有条件的自我循环损失和基于注意力机制的 L2 损失进行训练，实验验证该方法不仅提高了多视角合成图像的视觉逼真度，而且具有良好的身份信息保护能力。
multi-view face synthesisload balanced generative adversarial networksyaw anglephoto-realisticidentity preservation
发现论文，激发创造
  • 超越脸部旋转：全局和局部感知 GAN 用于逼真且保留身份特征的前方合成

    本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

    Apr, 2017

  • SideGAN: 用于改进侧视图图像生成的三维感知生成模型

    通过将问题拆分为两个子问题，我们提出了 SideGAN，一种新颖的 3D GAN 训练方法，用于生成与相机位置无关的逼真图像，特别适用于侧视角的人脸。

    Sep, 2023

  • 用于大姿态人脸正视的双重注意力生成对抗网络

    本文提出了一种新的双重关注生成敌对网络（DA-GAN）来实现逼真的人脸正面效果生成，它结合了自注意力机制和面部注意力机制，使得生成的前面部分的人脸更加真实，具有更精细的面部外观和纹理信息，并在定量和定性实验中取得了良好的表现。

    Feb, 2020

  • 通过旋转你的人脸进行表征学习

    本文提出了一种基于 DR-GAN 的面部识别方法，通过生成对抗网络的编码器 - 解码器结构，学习一种表征，该表征可以生成合成的面部图像和具有逆变性的面部姿势识别，同时该表征与其他具有 pose 表现的人脸变化明确地分离，因此在控制场景和实际场景中比当前技术更为出色。

    May, 2017

  • 可控肖像图像动画的 3D GAN 反向推导

    本文提出了一种基于新开发的三维生成对抗网络（GANs）的画像图像动画的技术，该技术允许对图像主体的姿态进行明确控制，并展示了该方法在图像质量，身份保护和姿态转移等方面胜过先前的方法，同时支持属性修改。

    Mar, 2022

  • 基于 3D GAN 的大姿态人脸识别改进

    研究使用生成的合成数据进行面部识别的训练。通过在 GAN 的产生器中引入 3D 可塑模型，实现了从实际图像中学习非线性纹理模型，从而生成新的合成身份，同时操作姿势、照明和表情，而不会影响身份。最终使用生成的数据增加现有面部识别网络的训练，性能得到改善。

    Dec, 2020

  • 多视角一致性生成对抗网络用于 3D 感知图像合成

    提出了一种基于多视角一致性生成对抗网络（MVCGAN）的高质量 3D 感知图像综合方法，采用几何约束技术，利用深度和相机变换矩阵等信息实现多视角联合优化，同时采用两阶段训练策略和混合训练技术提高模型的生成图像质量，实验结果表明，本方法达到了最先进的性能水平。

    Apr, 2022

  • 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

  • 3D-FM GAN: 面部三维可控制变化

    提出了一种新的 3D 可控脸部操作方法：3D-FM GAN，通过将输入脸部图像和 3D 编辑的真实渲染相结合，可以提供高质量、身份保留、3D 可控的脸部操作，相较于现有技术，具有更好的可编辑性、更强的身份保护和更高的照片逼真度。

    Aug, 2022

  • 利用生成对抗网络在本地控制图像生成来装饰你自己的卧室

    本文提出一种能够支持 GAN 生成图像的局部编辑的有效方法，称为 LoGAN，利用内容调制，风格调制与优先级掩码来精确控制生成特征，在卧室合成等实验中展示了局部编辑图像的巨大潜力，可为多功能图像编辑提供模板。

    May, 2021