随心再捕
本文介绍了一种基于结构感知流的方法,利用语义部分将人体分解,来应对人物姿态变换并生成高质量图像,网络模块能够有效地捕捉人体局部和全局语义特征,实验结果表明,该方法在生成高质量图像方面胜过其他方法。
Feb, 2021
本文提出一种基于深度学习的面部照片交互修饰框架,旨在提高用户界别优先级,包括自动分支和交互分支,后者通过将用户指定区域编码进优先级条件向量和调制地潜在特征来进一步强调用户指定区域,实验证明该方法能够有效地捕捉用户意图且比现有方法更具区域感知性和灵活性。
Apr, 2023
本文提出了一种基于 StyleGAN 的新方法,将真实肖像图片嵌入潜空间,从而提供了对肖像图像头部姿态、面部表情和场景照明的直观编辑。通过 StyleRig,即一个预训练的神经网络,来实现参数空间中的语义编辑。我们设计了一种新的分层非线性优化问题来获得嵌入。添加了一项身份保护能量项,以保持面部完整性和空间连贯性。
Sep, 2020
本文提出了一种基于分层结构和纹理分解的生成框架,使用 BFCN 学习结构和纹理表征,并使用 SM-MSE 指标来测量纹理图案。实验表明,相对于基于样例合成的方法,本方法在视觉和客观指标上都表现更好,并且具有更好的跨数据集的泛化能力。
Oct, 2017
本文提出了一种名为 SUPER 的新方法,用于消除自拍照片中的失真和调整头部姿势,实现了更真实的自拍照片编辑。通过 3D GAN 反向传播优化相机参数和面部隐藏编码,生成一张图像。此外,估计获得的隐藏编码的深度,创建深度感应的 3D 网格,并使用更新的相机参数进行渲染,获得一个形变的自画像。最后,通过基于可见性的融合,重新投影可见区域,并使用生成模型恢复被遮挡的部分。对自拍照片失真基准和自行收集的头部旋转数据集(HeRo)的实验表明,SUPER 在定性和定量上均优于以前的方法,为实现逼真的自拍照片编辑开辟了新的可能性。
Jun, 2024
本文提出了一种基于新开发的三维生成对抗网络(GANs)的画像图像动画的技术,该技术允许对图像主体的姿态进行明确控制,并展示了该方法在图像质量,身份保护和姿态转移等方面胜过先前的方法,同时支持属性修改。
Mar, 2022