带有条件 Wasserstein 生成对抗网络的希尔伯特超球上的动态面部表情生成

Jul, 2019

带有条件 Wasserstein 生成对抗网络的希尔伯特超球上的动态面部表情生成

Dynamic Facial Expression Generation on Hilbert Hypersphere with Conditional Wasserstein Generative Adversarial Nets

Naima Otberdout, Mohamed Daoudi, Anis Kacem, Lahoucine Ballihi, Stefano Berretti

TL;DR通过使用流形算法结合生成对抗网络（GAN）来处理面部表情生成的问题，并进行了动态面部表情生成和数据量扩充以供训练情感识别模型。

Abstract

In this work, we propose a novel approach for generating videos of the six basic facial expressions given a neutral face image. We propose to exploit the face geometry by modeling the facial landmarks motion as curves encoded as points on a hypersphere. By proposing a conditional versi

facial expressions generative adversarial network motion generation texture information data augmentation

发现论文，激发创造

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

具流形值图像生成的 Wasserstein 生成对抗网络

本文介绍了一种新的基于流型的生成模型，利用三个典型的例子：色相 - 饱和度 - 值（HSV）彩色图像生成、色度亮度（CB）彩色图像生成和扩散张量（DT）图像生成来生成流型值图像，并引入了一种最优输运定理，基于 WGAN 框架提出了一种新的 Wasserstein 距离度量，能够在三个基准数据集上生成比竞争对手更可信的流型值图像。

Dec, 2017

稀疏到密集的动态三维面部表情生成

本文提出了一种从中性 3D 人脸和表情标签生成动态 3D 面部表情的解决方案，解决了表情动态建模和面部变形两个子问题，并展示了该方案在动态表情生成和网格重建方面的显著改进。

May, 2021

用于面部表情转换的几何对比 GAN

本研究提出一种几何对比生成对抗网络 (GC-GAN)，其通过将连续的情感跨越不同个体，将具有特定情感的原始面孔转化为带有目标面部表情的面部表情迁移技术。

Feb, 2018

通过学习面部关键点轨迹生成复杂的四维表情变化

本文提出了一种新模型，使用 Motion3DGAN 模型编码表情的时间演变，并利用 Sparse2Dense mesh Decoder 模型生成可以复合的表情转换；在多个公共数据集上进行实验验证，表明该方法在保持良好泛化性能的同时相较于之前的解决方案有了显著提高。

Jul, 2022

应用基于关键点引导的生成对抗网络进行面部表情翻译

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

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

情感可控泛化说话脸生成

本文提出了一种面部生成方法，使用基于语音内容特征的图卷积神经网络，结合独立的情感输入，生成面部几何感知标记表示上的情感和语音感应运动，并在此基础上，利用光流引导的纹理生成网络生成纹理。

May, 2022

FreeStyleGAN：利用相机流形进行自由视角编辑的头像渲染

本文提出了利用 GAN 进行 3D 重建，并引入了 GAN 相机流形的概念，通过精准的相机控制，实现了真正自由视点的渲染，在输入少量的照片的同时具有明显的语义控制能力。

Sep, 2021

极端姿势和表情下的高保真面部操纵

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。

Mar, 2019