Jul, 2020

PA-GAN: 面部属性编辑的渐进式注意力生成对抗网络

PDF
TL;DR本文提出了一种基于渐进式注意力 GAN 的人脸属性编辑方法，通过每个级别的注意力掩模约束在适当的属性区域内，从高到低的特征级别逐步进行编辑，以维护身份和背景等其他信息，并避免不必要的修改干扰，使该方法实现了正确的人脸属性编辑，并更好地保留了不相关的细节信息。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 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

  • PFA-GAN：使用生成对抗网络进行逐步人脸衰老

    该研究提出了一种基于条件生成对抗网络 (cGAN) 的渐进式面部老化框架，该框架由多个子网络组成，逐步模拟从年轻到老的面部老化过程，并引入了年龄估计损失和皮尔逊相关系数等评估指标以提高老化准确性和平滑度。在两个基准数据集上的实验结果表明，该研究的方法在面部老化方面表现优异。

    Dec, 2020

  • 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

  • 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

  • 利用生成对抗网络进行服装设计

    本文探讨了生成对抗网络的应用在时尚设计上的可能性。实验表明，基于属性的 GAN（AttGAN）可以成功编辑时装的视觉特性，但也提示着 GAN 在设计概念的属性级别编辑上所存在的一些关键限制和未来需要解决的研究问题。

    Jul, 2020

  • 基于条件生成对抗网络的人脸老化

    本文提出了一种基于生成对抗网络 (GAN) 的自动面部老化方法，强调在改变面部属性的同时，保留原始人物身份。通过新颖的 GAN 潜在向量的 “身份保持” 优化方法，通过现有的面部识别和年龄估计解决方案，对所得到的老化和回复面部图像进行客观评价，证明了所提方法的高潜力。

    Feb, 2017