Dec, 2019

MulGAN：基于样例的人脸属性编辑

PDF
TL;DR本文中提出的基于属性标签限制的模型，可以通过在预定义的潜在特征空间中直接应用属性标签并使用属性分类损失，从图像中提取属性相关信息，以实现用于编辑多个属性的面部属性传输，同时通过设计新的模型结构来提高属性传输能力。在 CelebA 数据集上的实验结果表明，该方法有效地克服了其他方法存在的三个限制。
face attribute editinglatent feature spacegenerative adversarial networksattribute labels constraintmodel structure
发现论文，激发创造
  • ELEGANT: 用 GAN 交换潜在编码传递多个脸部属性

    本文提出了一种新颖的模型，通过在潜在空间中对所有属性进行解缠编码，实现了能够同时操作多个特征的图像生成，性能在 CelebA 人脸数据库上得到了验证。

    Mar, 2018

  • AttGAN: 仅修改您想修改的部分的面部属性编辑

    本研究旨在改变面部图像的一个或多个属性，并保持其他细节，使用生成敌对网络（GAN）和编码器 - 解码器架构来确保高质量的面部特征编辑。

    Nov, 2017

  • 半潜变分生成对抗网络：通过属性学习生成和修改人脸图像

    本文提出使用 Semi-Latent Facial Attribute Space (SL-FAS) 和 SL-GAN 模型学习人脸图像生成和修改，通过实验验证了该模型的有效性，并提出迭代训练算法。

    Apr, 2017

  • CAFE-GAN: 基于互补注意力特征的任意人脸属性编辑

    本研究提出了一种基于生成对抗网络 (GAN) 的新型 GAN 模型，其特点是使用互补注意力特征 (CAFE) 来识别面部图像中要转变的区域，并在生成器中使用互补特征匹配来利用属性的空间信息，旨在解决其他方法中出现的对非指定区域进行无意义调整的问题，并通过与最先进方法的分析和比较研究来证明所提出方法的有效性。

    Nov, 2020

  • 带有掩码 GAN 潜码优化的高分辨率人脸编辑

    本文提出了一种基于局部属性编辑的新方法 MaskFaceGAN，采用最先进的生成对抗网络（StyleGAN2）的潜在编码进行优化，通过不同 iable 的属性分类器和面部解析器执行多个约束条件，实现对人脸图像的局部面部属性进行编辑，达到了极高的图像质量，在 1024x1024 的高分辨率下进行编辑，而且相对于现有的竞争性解决方案，其属性交错问题更少。

    Mar, 2021

  • 走向自动图像编辑：学习看到另一个自己

    本研究基于深度卷积神经网络，针对图像生成中的属性变换问题，在两个面部数据集上进行了有量有质的实验，并取得了较为有前途的结果。

    Nov, 2015

  • 面具感知写实人脸属性编辑

    本研究使用变分自动编码器 (VAE) 和生成式对抗网络 (GAN) 相结合的方法，设计了 M-AAE 算法，在保持面部细节的前提下修改图片特征，通过面部识别损失和循环一致性损失，以及生成面部口罩来强化 VAE 和 GAN 的训练目标，成功生成了高质量、保留细节的图像，并超越了现有方法。

    Apr, 2018

  • MagGAN：带掩模的生成对抗网络高分辨率人脸属性编辑

    本文提出了一种面向高分辨率人脸属性编辑的掩码引导生成对抗网络 (MagGAN)，通过使用预先训练的人脸分析器中的语义面部掩码来指导细粒度的图像编辑过程。

    Oct, 2020

  • STGAN: 一个统一的选择性转换网络，用于任意图像属性编辑

    通过将选择性转移单元与编码器 - 解码器网络和生成对抗网络相结合，本文提出了一种属性编辑模型，可以有效地提高感知质量和属性操纵准确性。

    Apr, 2019

  • 自行修复：以样本为导向的人脸生成修复

    我们提出了一种新颖的基于示例引导的面部修复框架 EXE-GAN，它利用生成对抗网络来维护原始面部图像的质量，并通过同步使用输入图像的全局风格，随机潜在编码产生的随机风格和范例图像的示例风格来完整图像的典型面部属性。为了保证修复区域的自然过渡，我们介绍了一种新颖的空间变量梯度反向传播技术，通过基于空间位置调整损失梯度来实现。在公共 CelebA-HQ 和 FFHQ 数据集上的广泛评估和实际应用验证了 EXE-GAN 在面部修复的视觉质量方面的优越性。

    Feb, 2022