高保真度和任意性人脸编辑
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
WaveFace 通过在频域中分别处理低频和高频成分,解决了扩散模型在时间和身份保留方面的问题,高频成分通过统一网络处理,从而在身份保留和效率方面超越现有的扩散模型基础的 BFR 方法。
Mar, 2024
本文提出了基于属性的条件生成对抗网络(CycleGAN)来生成高分辨率的面部图像,并可以通过输入属性轻松控制所生成的面部外貌。我们还演示了基于该模型的三种应用:身份保留的人脸超分辨率、人脸交换和正面人脸生成,这些应用表明了我们新方法的优势。
May, 2017
通过使用基于深度图和辅助语义分割掩模的 ControlNet 的无正则方法进行精细的局部属性编辑和基于自定义损失和正则化设置的基于正则方法进行粗糙的全局属性编辑,本研究对利用最新的生成模型改变的二十六种面部语义、人口统计和表情属性进行了实证消融,并在 CelebA、CelebAMaskHQ 和 LFW 数据集上使用 ArcFace 和 AdaFace 匹配器进行了评估,最终使用 LLaVA 验证了我们的编辑技术,方法在保留身份的情况下,在面部编辑方面优于现有技术(BLIP、InstantID)。
Mar, 2024
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
本研究提出了一种新颖的高保真生成对抗网络(GAN)反演框架,可以进行带有图像特定细节(例如背景、外观和照明)的属性编辑,并使用扭曲一致性咨询和自适应扭曲对齐模块来提高反演和编辑质量。
Sep, 2021
提出了级联 GAN 方法来生成对话式人脸视频,该方法在不同的人脸形状、视角、面部特征和嘈杂声音条件下具有鲁棒性,通过将音频转换为高级结构,即面部标志点,然后在标志点的条件下生成视频帧,避免了不相关的音频视觉信号之间的假冒关联,利用动态可调整像素级损失和注意机制来解决像素抖动问题,并提出了一种新的基于回归的鉴别器结构来生成更清晰、更同步的面部动作图像,实验结果表明,我们的方法比现有方法在定量和定性比较中取得了显著更好的效果。
May, 2019
本文介绍一种针对医学图像的局部特征缺失问题的方法,通过重新设计自注意力映射,利用小波变换对输入特征图进行分解,使用高频和低频子带表示粗粒度和细粒度特征,重构自注意力操作并加入高频部分的高斯金字塔,引入多尺度上下文增强块,实现医学图像的准确分割,并经过广泛实验证明了该方法的有效性。
Aug, 2023
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
本文介绍一种从异构数据扩充的视角出发的新型异构人脸识别方法 —— 具有身份属性解缠的人脸合成(FSIAD),在大量合成的图像中使用随机组合的解缠特征丰富图像属性的多样性,并将合成和原始图像同时用于训练网络,以提高异构人脸识别的性能。
Jun, 2022