使用关键点位置暴露生成对抗网络合成的人脸
本文提出了一个包含真实照片、生成照片和编辑照片的面部取证定位数据集,并演示了通过在输入图像中显式添加面部标志信息,提高面部索证检测和定位性能的方法。
Oct, 2019
本文致力于使用生成模型(GP-GAN)从所给的面部标志点中合成对应的面部图片,并通过大量实验证明,该方法可以通过保留性别等信息从面部标志点中生成更准确的面部图片。
Oct, 2017
本文提出利用面部标志信息的地标引导生成对抗网络(LandmarkGAN), 用于使用单张图像进行面部表情转换,实现了在同样只有一张图像的情况下,比现有的基于关键点指导法更好地实现了面部表情之间的转换。
Sep, 2022
通过结构感知的全卷积网络以及 GAN 的显式 / 隐式学习策略,该论文提出了一种解决单目图像中姿态估计问题的方法,并在 2D 和 3D 姿态估计以及人脸重要标识等相关任务上显著优于现有方法。
Nov, 2017
本文提出了一种基于注意力机制和单个样本聚类方法的新方法 FakeLocator,旨在通过在 GAN 合成图像中检测伪造和定位伪造来解决众所周知的伪造定位问题,同时实现高定位精度和普适性
Jan, 2020
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
通过分析当前 GAN 人脸检测的研究方向和方法,本文对深度学习、物理学、生理学以及与人类视觉性能的评估和比较等方法进行了分类,总结出不同类别的关键思路并与其具体实现相联系,讨论了存在的问题并提出了未来研究方向。
Feb, 2022
该论文提出了一种生成正面中性面部图像的方法,通过从面部识别网络提取的特征来生成面部标记和纹理。通过不变性编码特征向量,使用只包含正面中性照片来训练解码器网络,解码器独立预测标记和纹理,然后使用可微分图像变形操作将它们组合在一起,最终得到可以用于多种应用的合成图像。
Jan, 2017
我们提出了一种利用最优地标引导的图像融合进行人脸变形攻击的新方法,通过优化变形地标并使用图卷积网络(GCNs)结合地标和外观特征的方式,生成更高质量的变形图像,对最先进的人脸识别系统构成更大的威胁。
Jan, 2024