Oct, 2019

LinesToFacePhoto: 基于条件自注意力生成对抗网络的线条生成人脸照片

PDF
TL;DR本文提出了使用有条件的自我关注机制的生成对抗网络，以在不同区域之间捕获长距离依赖项，同时构建多尺度鉴别器以增强逼真度和保留面部结构，实验表明该方法在定性和定量的指标方面均优于现有的最先进方法。
conditional self-attention mechanismgenerative adversarial networkfacial imagesperceptual user studiesceleba-hd dataset
发现论文，激发创造
  • 全局观，本地化：带有注意机制的人脸老化

    该研究介绍了使用关注机制来进行人脸老化的 Attention 条件生成对抗网络（AcGANs）方法，不使用像素级损失，可以显著减少鬼影和模糊，达到更好的图像质量、个人身份和年龄准确性的超越性能。

    Oct, 2019

  • 基于条件生成对抗网络的人脸老化

    本文提出了一种基于生成对抗网络 (GAN) 的自动面部老化方法，强调在改变面部属性的同时，保留原始人物身份。通过新颖的 GAN 潜在向量的 “身份保持” 优化方法，通过现有的面部识别和年龄估计解决方案，对所得到的老化和回复面部图像进行客观评价，证明了所提方法的高潜力。

    Feb, 2017

  • 自注意力生成对抗网络

    本文介绍了一种基于自注意力机制的生成对抗网络（SAGAN），它能够在图像生成任务中实现关注驱动的远距离依赖关系建模，并通过对 GAN 生成器实施谱归一化技术，取得了对图像生成任务来说最好的表现。

    May, 2018

  • 利用上下文生成对抗网络进行人脸衰老

    本文提出一种新颖的 C-GAN 模型，用于生成更贴合真实数据的老化人脸图像，并且该模型能够考虑到相邻年龄组之间的渐变变化，从而提高了跨年龄人脸验证的性能。

    Feb, 2018

  • SeCGAN：基于语义一致性的平行条件生成式对抗网络用于人脸编辑

    通过提出一种语义信息导向的生成对抗网络 SeCGAN，可无需指定目标语义掩码的情况下，利用语义信息进行人脸图像编辑，从而在保持质量指标的前提下，在 CelebA 和 CelebA-HQ 上生成具有更准确属性的面部图像，优于竞争基线项。

    Nov, 2021

  • 使用关注对抗生成网络对最先进人脸识别系统进行攻击

    本文研究如何通过使用生成网络和注意力机制来进行对抗攻击，以误导面部识别网络将某人误认为目标人物而非将其错判不明显的机制。

    Nov, 2018

  • 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

  • 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

  • 基于注意力引导的生成对抗网络的无监督图像转换

    本文提出了基于注意力机制的生成对抗网络 AGGAN，在生成图像时使用内置的注意力机制检测最具有辨别性的语义部分并最小化不需要的部分的变化，训练过程中同时考虑对抗损失、循环一致性损失、像素损失和注意力损失，实验表明 AGGAN 比现有模型能够生成更加清晰和准确的图像。

    Mar, 2019

  • 基于条件生成对抗网络的语音驱动人脸再现

    利用递归神经网络和条件生成对抗网络，根据音频输入生成具有准确口型同步的逼真面部图像。

    Mar, 2018