May, 2020

可控神经人脸图像生成

PDF
TL;DR本文介绍了 ConfigNet，这是一种神经人脸模型，它使用合成数据将潜空间分解为传统渲染管道的输入元素，从而实现对输出图像中的个别方面进行以语义有意义的方式控制，其中实际图像扩展了生成图像的多样性并鼓励真实性
confignetneural face modelneural renderinglatent spacefine-tuned control
发现论文，激发创造
  • DisControlFace: 个性化面部图像编辑的分离控制

    我们的研究侧重于探索生成性面部图像编辑中明确的细粒度控制，同时生成忠实和一致的个性化面部外貌。我们确定了这项任务的关键挑战是在生成过程中对解缠条件控制的探索，并相应地提出了一种新的基于扩散的框架，称为 DisControlFace，包括两个解耦的组件。

    Dec, 2023

  • FaceController: 野外人脸可控属性编辑

    本文提出了一种基于前馈神经网络的人脸属性编辑方法，该方法可控制，转移和编辑野外人脸的多样属性，允许应用于人脸交换，光照转移和化妆品转移等多种应用。

    Feb, 2021

  • 个性化人脸生成中的同时和细粒度身份 - 表情控制

    本文介绍了一个新颖的多模式人脸生成框架，能够同时进行身份 - 表情控制和更细粒度的表情合成，并通过创新设计在条件扩散模型中实现身份和表情的分别控制。实验证明了该框架在可控性和可扩展性上的优越性。

    Jan, 2024

  • MUNCH: 模拟独特的 N 个可控头部

    自动生成 3D 人头一直是计算机视觉研究人员的一个引人入胜且具有挑战性的任务。我们提出了一种方法，它具备质量、多样性、控制和逼真性等令游戏设计艺术家期望的功能，其中包括可解释的网络设计、无缝合成多个高保真度的基于物理的渲染贴图以及对生成贴图进行语义颜色控制的新颖色彩变换模型。

    Oct, 2023

  • GAN-Control: 明确可控的 GANs

    我们提出了一个具有明确控制 GAN 生成的图像的框架，借助于对抗性训练（GANs）、明确控制的潜在空间以及对人类的符号解释模型进行了对生成图像的控制，可扩展到人类脸谱以外的领域，实现了身份、年龄、姿态、表情、头发色彩和光照方面的控制，并且在画像和狗图像生成的领域中都展示了控制能力，同时表现出优良的定量和定性性能。

    Jan, 2021

  • 使用 GAN 进行可解释和可控的人脸换脸技术

    本文提出了一种能够控制人脸图像姿态和表情的通用人脸动画生成器，使用人类可解释的控制信号来驱动动画，并结合了多种源信息进行后期编辑，使用自我监督学习方法，得到了比多数对比方法更优质、更易操作的面部重现网络。

    Apr, 2019

  • 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

  • ControlDreamer: 多视角控制网络的风格化三维生成

    通过引入多视角 ControlNet 和强化学习模型 ControlDreamer，本研究在文本指导下实现了创意几何和风格的 3D 建模，同时提出了一个全面的 3D 风格编辑基准，证明该方法在质量和度量上优于现有的文本生成 3D 方法。

    Dec, 2023

  • 具有条件生成占用场的可控三维人脸合成

    本文提出了一种基于 NeRF 的条件生成 3D 人脸合成框架，该框架能够通过从 3D 脸部先验中强制显式的 3D 条件生成可控制性高保真面部图像，并且比现有的基于 2D 的可控制性合成方法具有更精确的 3D 可控制性。

    Jun, 2022

  • 基于全面逐层逐步生成对抗网络的多可控属性高分辨率人脸补全

    本文采用深度学习的方法，利用生成式对抗网络 (GANs) 在高分辨率下控制多种属性（如男性和微笑）来完成高分辨率下具有多种属性控制的面部图像。

    Jan, 2018