Mar, 2019

极端姿势和表情下的高保真面部操纵

PDF
TL;DR本文提出了一种简化面部操纵过程的新框架，包括边界预测阶段和解缠合成阶段，其中边界预测阶段通过边界图像对姿势和表情进行建模，解缠合成阶段则使用两个编码器网络将预测的边界图像和输入的面部图像编码到结构和纹理潜空间中并进行分离，最后基于一个新的高分辨率的人脸操纵数据库进行实验验证。
face manipulationgenerative adversarial networkspose and expression modelingdisentangled face synthesishigh-resolution manipulation
发现论文，激发创造
  • 3D 引导细粒度人脸操作

    提供了一种细致的人脸操作方法，利用三维人脸模型和分离出质地和形状的方法进行纹理和形状不同表情的构建，进而通过生成网络和全连接网络实现表情的合成和准确形状的预测，获得了优越的结果，并被 85% 的用户优先选择，并且在 53% 的情况下，注释员无法可靠地区分合成的图像和真实图像的差别。

    Feb, 2019

  • 制作面孔：朝向任意高保真度面部操纵

    本论文中提出了一种名为 AF-VAE 的方法，通过引入新的加性高斯混合假设和无监督聚类机制，实现了对高分辨率人脸图像的任意操作，并通过人类参与度量和最新的 IS/FID 测试表明了该方法在人脸操作任务中的卓越性能。

    Aug, 2019

  • 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

  • 学习高保真度姿态不变模型进行高分辨率人脸正面化

    该论文提出了一种高保真度姿态不变模型，通过新颖的纹理扭曲过程和密集对应场来实现面部物体模型的正面化，以及利用深度网络进行面部纹理映射的恢复，从而提高姿态不变的人脸识别性能并显著改善了高分辨率的面部正面化外观。

    Jun, 2018

  • 野外条件下的大姿态人脸正向化

    本文提出了一种利用深度学习中的 3D 可塑模型进行面部正面化的生成式对抗网络，可以有效提高识别率和处理不同姿势的面部图像。

    Apr, 2017

  • 单图像照片逼真面部细节合成

    通过表情分析生成满足要求的脸部几何表达形式并结合有监督和无监督学习实现面部细节合成的单图像三维面部综合技术.

    Mar, 2019

  • EFHQ：多用途 ExtremePose-Face-HQ 数据集

    为了解决面部数据集在处理侧面或俯仰面时深度学习模型性能下降的问题，本研究引入了一种名为 EFHQ 的新型数据集，包含了高达 45 万张在极端角度拍摄的高质量面部图像，通过训练 EFHQ 可以帮助模型在不同角度上得到良好的泛化性能，并提供了具有挑战性的交叉视角人脸验证基准，激发了在野外环境中严重姿态条件下的人脸识别研究。

    Dec, 2023

  • 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

  • 面部图像生成和操作的开放式文本引导实现

    该研究提出了一种统一框架来生成和处理面部图像，基于预训练的 GAN 模型，使用两种新颖的策略，直接优化潜在空间的潜在编码以获取多模式输入的图像生成和操纵，并提出了一个大型数据集 Multi-Modal CelebA-HQ。

    Apr, 2021