CVPRMar, 2018

用于快速人像处理的面容库

PDF
TL;DR通过卷积神经网络，本篇论文提出了一个支持快速推理、快速部分模型更新、不配对图像集学习的模型来实现数字人脸编辑的目标。实验结果表明：该模型可以处理各种表情、装饰和化妆效果，快速生成高分辨率和高质量的数字人脸编辑图像。
digital face manipulationfacial editingconvolutional neural networkunpaired image setsmakeup effects
发现论文，激发创造
  • 使用卷积神经网络实现快速面部替换

    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

  • 快速双层神经合成一次性逼真头像

    利用神经渲染基础系统从单张照片创建头像，将外貌分解为两个图层，第一层是由小型神经网络合成的姿态相关的粗略图像，第二层由姿态无关的纹理图像定义，通过在线形变和添加到粗略图像上，以确保高分辨率综合头部视图的有效性和速度。实验显示了和先前神经头像模型相比具有显著的推理加速和视觉质量，同时还在智能手机上实现了实时功能。

    Aug, 2020

  • 利用深度学习预测第一印象

    本文介绍了一种基于卷积神经网络的回归框架，可用于训练社交属性分配的预测模型，该模型可以对人群的行为进行量化，应用于描述人脸的视觉属性和情感计算领域。

    Oct, 2016

  • FaceChain：一个保留身份的肖像生成平台

    FaceChain 是一个个性化肖像生成框架，结合一系列定制图像生成模型和丰富的与人脸相关的感知理解模型，通过只有少量肖像图像作为输入，解决了现有解决方案中产生真实细节的漏洞和包含扭曲、模糊或损坏区域的合成人脸问题。

    Aug, 2023

  • 人脸分析的全功能卷积神经网络

    本文提出一种使用单个深度卷积神经网络进行人脸检测，人脸对齐，姿态估计，性别识别，微笑检测，年龄估计和人脸识别的多用途算法，通过多任务学习框架实现了对 CNN 模型的共享参数的规范化，并在不同领域和任务之间建立协同关系，实验结果表明该网络对人脸具有更好的理解，并在大多数任务方面实现了最先进的结果。

    Nov, 2016

  • FaceController: 野外人脸可控属性编辑

    本文提出了一种基于前馈神经网络的人脸属性编辑方法，该方法可控制，转移和编辑野外人脸的多样属性，允许应用于人脸交换，光照转移和化妆品转移等多种应用。

    Feb, 2021

  • FaceForensics++: 检测篡改的面部图像学习

    本文对当前合成图像生成和处理技术的发展进行了探讨，并提出了一个基于 DeepFakes，Face2Face，FaceSwap 和 NeuralTextures 的面部操作检测基准，包括超过 180 万个操纵图像的数据库，并通过数据驱动型假冒检测器的详尽分析证明了使用额外领域特定知识的方法能够显著提高假冒检测的准确性。

    Jan, 2019

  • FaceStudio：在几秒钟内将您的脸放到任何地方

    本研究通过引入直接前馈机制和混合引导框架，以人物图像为重点，实现了保留主体身份的图像合成，旨在快速高效生成艺术肖像和身份融合图像，并在定性和定量评估中证明了方法在高保真度和效率方面的优越性。

    Dec, 2023

  • MobileFace：高效 CNN 回归的 3D 人脸重建

    本文提出了一种利用紧凑、快速的 CNN 模型在移动设备上实现实时重构的方法，通过使用传统的形态模型自动注释大量图像以供 CNN 训练，并优化 MobileNet CNNs 模型以改进速度、模型大小和保持最先进的重构精度。

    Sep, 2018

  • 基于轻量级神经网络的多任务学习的面部表情和属性识别

    本研究探讨轻量级卷积神经网络的多任务学习，用于识别人脸和分类面部属性（年龄，性别，种族），并在没有距离边缘的剪裁人脸上进行训练，需要微调这些网络以预测面部表情；使用 MobileNet、EfficientNet 和 RexNet 架构提出了几种模型，并在 UTKFace 数据集上证明了它们接近最新的年龄、性别和种族识别结果，在 AffectNet 数据集的情感分类上也表现出色；此外，展示了将已训练的模型用作视频帧中面部区域的特征提取器，其识别精度比以前已知的情感分类挑战的单一模型高 4.5％。

    Mar, 2021