Aug, 2020

ByeGlassesGAN: 面部图像中保留身份特征的眼镜去除

PDF
TL;DR本文提出了一种名为 ByeGlassesGAN 的基于图像对图像的 GAN 框架，可自动检测眼镜位置并从人脸图像中去除眼镜，实验结果表明该方法在处理透明颜色眼镜或有光斑的眼镜时能够提供视觉上令人满意的去镜人脸图像，并且在人脸识别实验中应用该方法作为预处理步骤，可提高戴眼镜人脸图像的识别准确率。
ganeyeglasses removalface imagesencoderface recognition
发现论文，激发创造
  • 野外无监督眼镜去除

    本文提出了一种名为 Eyeglasses Removal Generative Adversarial Network (ERGAN) 的统一眼镜去除模型，它能够处理野外环境中的各种眼镜类型，为面部识别、面部表情识别等多种应用提供了前处理方法。

    Sep, 2019

  • 利用三维合成数据实现人像眼镜和阴影消除

    本文提出了一种新的框架，以检测和去除肖像图像中眼镜及其产生的阴影，通过使用合成肖像数据集，并应用跨域技术，该方法为第一种同时去除眼镜和阴影的技术。

    Mar, 2022

  • 适用于眼镜的人脸合成技术在人脸识别中的应用

    使用基于 3D 人脸模型和 3D 眼镜的虚拟合成方法，为眼镜脸图像数据集提供高保真度的数据集，并使用深度学习方法对其进行训练，从而在提高识别性能方面表现出更好的效果。

    Jun, 2018

  • GANs 重建匿名化面部特征的 Refacing 技术

    本研究利用 CycleGAN 无监督图像转换框架，分别对面部有模糊和无脸部的 T1 MR 图像进行匿名化测试。结果表明，进行脸部模糊可能无法提供足够的保护措施，而脸部去除虽然提供更强的匿名化保护，但仍部分可逆。

    Oct, 2018

  • V-LASIK: 使用合成数据从视频中彻底去除眼镜

    通过使用弱监督方法和合成数据，本研究展示了基于扩散的生成模型在局部视频编辑任务上的优越性，特别是在眼镜去除方面，为局部属性编辑提供了有力支持。

    Jun, 2024

  • E2F-Net：通过 StyleGAN 潜空间进行眼睛到面部修补

    该研究提出了一种基于生成对抗网络的新模型（E2F-Net），通过从眼部至面部的区域提取身份和非身份特征，并将其映射到预训练的 StyleGAN 生成器的潜空间中，实现面部修复和重构。通过大量实验证明，该方法在较少的训练和监督努力的情况下成功重建了具有高质量的整个面部，超过了当前的技术水平。

    Mar, 2024

  • GazeGAN：用于凝视估计的非配对对抗图像生成

    本文提出了一种用生成对抗网络生成大型合成数据集来进行注视估计的方法，该方法在移动设备上取得了最新成果并具有跨设备泛化能力。

    Nov, 2017

  • 面部表情感知的 XR 应用中 HMD 移除的视频修复技术

    基于生成对抗网络（GANs）的表情感知视频修复（EVI-HRnet）网络通过使用用户的面部关键点和单一无遮挡参考图像，有效地填补头戴式显示器屏蔽的信息，并通过引入面部表情识别损失函数实现情感保留，从而实现了从面部视频中删除头戴式显示器同时保持主题的面部表情和身份，并在修复后的帧之间保持时间一致性。这种轻量级框架为头戴式显示器遮挡的去除提供了实用的方法，无需额外的硬件，有潜力增强各种协作的扩展性应用。

    Jan, 2024

  • 带空间约束的文本引导眼镜操纵

    本文提出了一种基于文本和二进制 mask 的眼镜虚拟试穿方法，通过 mask encoder 实现对 mask 条件的提取，同时使用 modulation module 来同时注入文本和 mask 条件，进而控制眼镜的外观。通过 disentangled mapper 和 decoupling strategy 来实现局部的精细编辑，通过两阶段的训练方案来控制眼镜的形状和样式，实验结果表明该方法能够实现多种眼镜样式并能保留相关不相关区域。

    Apr, 2023

  • 超越脸部旋转：全局和局部感知 GAN 用于逼真且保留身份特征的前方合成

    本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

    Apr, 2017