CVPRMar, 2020

级联 EF-GAN：局部聚焦渐进式人脸表情编辑

PDF
TL;DR本文介绍一种名为 Cascade Expression Focal GAN (Cascade EF-GAN) 的神经网络，该网络使用本地表情聚焦进行逐步的面部表情编辑，通过将大面部表情转化分成多个级联小的表情转化以减少重叠伪影并在处理大幅度表情转化时生成更真实的编辑，通过在两个公共面部表情数据集上进行广泛的实验，说明了所提出方法优于目前的面部表情编辑方法。
generative adversarial netsfacial expression editingcascade expression focal ganlocal expression focusescascade transformation strategy
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

  • eMotion-GAN：基于运动的 GAN 用于逼真且保留面部表情的正面视角合成

    eMotion-GAN 是一种深度学习方法，用于前视合成并保留面部表情，在处理头部姿势变化时显著提高面部表情识别 (FER) 系统的性能。

    Apr, 2024

  • GaFET：学习自野外图像的几何感知面部表情翻译

    基于参数化的三维面部表情表示，我们提出了一种新颖的面部表情转化框架（GaFET），该框架可以稳定地分解表情，并通过多级特征对齐变换器和基于 StyleGAN 的去表情模型解决了非几何面部细节特征和空间特征对齐的问题，进而实现了与当前最先进方法相比更高质量和更准确的面部表情转换结果，并且适用于各种姿势和复杂纹理。此外，我们的方法省略了视频或注释训练数据，使得使用和推广更加简单。

    Aug, 2023

  • ExprGAN：可控制表情强度的面部表情编辑

    通过表情生成对抗网络 (ExprGAN) 和表情控制模块实现更加精细和真实的面部表情编辑，同时提供了可调节表情强度的功能，同时支持不同的应用场景。

    Sep, 2017

  • 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

  • FaR-GAN 用于一次性人脸再现

    本文提出了一种只需要输入一个源标识符和目标表情，便可生成一定质量的表情图片的一次性脸部再现模型，FaR-GAN，适用于图片处理和电影制作。将此方法应用于 VoxCeleb1 数据集并与其他方法进行比较取得更好的效果。

    May, 2020

  • GCF: 图卷积网络用于面部表情识别

    该研究提出了一种名为 GCF 的新方法，利用图卷积网络进行面部表情识别，通过将卷积神经网络用于特征提取，并结合图卷积神经网络层，有效提高了识别准确率，对 CK+，JAFFE 和 FERG 等数据集进行了评估，并证明了 GCF 方法在捕捉微妙面部表情方面的有效性，为人脸表情识别的实际应用提供了更高的准确性和稳健性。

    Jul, 2024

  • 基于风格生成器的无约束面部表情转移

    提出了一种基于 StyleGAN 模型的面部表情迁移方法，通过优化过程和线性组合方案将两个输入脸部图像的外观属性和表情属性实现合并，从而在不需要几何注释的情况下生成高质量、准确的面部表情合成结果。

    Dec, 2019

  • 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

  • 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