基于风格的逼真眼睛内容一致性生成
使用降维技术衡量目标眼睛图像和合成训练数据之间的重叠,并修剪训练数据集以最大化分布重叠,从而解决模拟和实际数据样本之间的差异,从而实现鲁棒的、改善的性能。
Mar, 2024
使用基于 3D 人脸模型和 3D 眼镜的虚拟合成方法,为眼镜脸图像数据集提供高保真度的数据集,并使用深度学习方法对其进行训练,从而在提高识别性能方面表现出更好的效果。
Jun, 2018
本研究提出了基于单目三维面部重建的合成凝视估计训练数据的新方法,利用投影匹配过程,配合掩码引导凝视估计模型和数据增强策略,显著提高了在具有非重叠凝视分布的跨数据集环境下的估计性能。
Jan, 2022
通过使用一个交叉注意力机制来合并身份、风格和语义特征生成尽可能与输入相似的人脸的 SIS 架构,不仅适用于保护身份,而且在面部识别对抗攻击中也是有效的。
Apr, 2024
该研究提出了一种新的框架来解决基于面部生成技术的下游任务中的眼部控制问题,该框架包括两个不同的模块:眨眼控制模块和注视重定向模块,并提出了一种新的数据增强方法来训练每个模块,证明该框架能够生成高质量的眼睛控制图像,并改善下游任务的性能。
Jun, 2023
本研究提出了一种个性化图像增强方法,使用遮蔽风格建模技术为每个用户个性化地增强输入图像并在 Flickr 数据集上进行训练,实现了基于内容的个性化图像增强,并在用户研究中证明了优于其他方法的效果。
Jun, 2023
本文提出了一种多类眼部分割方法,包括三个主要阶段:通过深度网络从输入获取灰度图像、分割三个不同的眼部区域,并通过启发式过滤器去除不正确的区域,使用 depthwise 卷积操作减少计算成本,实验表明该方法可以在实时推理下实现高水平的性能。
Nov, 2019
本研究提出了一种基于深度学习的面部修复方法,能够在大面积遮挡的情况下实现多角度视角的面部完成重构,并保持面部的身份特征。与传统的面部修复方法不同,该方法基于生成网络,具有特定的约束条件,能够合成具有一致身份特征的连贯面部图像,拥有更好的稳定性和合成技巧。
Jul, 2018
本文提出了一种使用生成式对抗学习的新方法,用于综合产生任意姿势的具有照片级真实感的人物图像。研究通过无监督的方式来处理此问题,并且将其分解成两个主要子任务,一是姿势条件的双向生成器,二是定义一个新型的损失函数,包含内容和风格项,旨在生成高感知质量的图像,可以在 DeepFashion 数据集上进行广泛的实验验证。
Sep, 2018