FExGAN-Meta: 基于元人类的面部表情生成
通过使用数据增强技术和生成对抗网络模型,将初步训练的卷积神经网络与不同架构的预训练模型的方法应用于面部表情识别任务,使得模型的泛化能力得到提高,从而实现对面部表情的自动识别,准确率达到 85%。
Feb, 2024
通过将离散情绪映射为向量,并使用两个情感数据集进行实验,本研究旨在通过在不同数据集、图像分辨率和面部检测方法之间进行基准测试,扩展先进的 GANmut 框架的研究可能性。
Jun, 2024
本文提出了一种新的方法,用于合成面部情感,接受中性 2D 人脸图像、基本面部表情或 VA 头像建议,以及 2D VA 空间中的路径作为输入,采用 3D 可变模型,对中性人脸图像进行形变和添加颜色,使生成的面孔带有特定情感,用于数据增强和深度神经网络的联调。
Nov, 2018
通过表情生成对抗网络 (ExprGAN) 和表情控制模块实现更加精细和真实的面部表情编辑,同时提供了可调节表情强度的功能,同时支持不同的应用场景。
Sep, 2017
本文提出一种几何引导生成对抗网络 (G2-GAN),通过面部几何条件(标识点)来引导特定表情的面部纹理合成,实现逼真的与身份保护面部表情合成,并取得了良好的实验效果。
Dec, 2017
本文提出了一种只需要输入一个源标识符和目标表情,便可生成一定质量的表情图片的一次性脸部再现模型,FaR-GAN,适用于图片处理和电影制作。将此方法应用于 VoxCeleb1 数据集并与其他方法进行比较取得更好的效果。
May, 2020
XAGen 是首个能够实现对人体、脸部和手部进行表达控制的三维生成模型,通过多尺度、多部分的三维表示和多部分渲染技术,该模型在真实性、多样性和表达控制能力方面超过了现有状态 - of-the-art 方法。
Nov, 2023
基于大规模 FER 数据集的广泛实验和实践交叉验证,本文对多种网络架构进行排名,并给出了在真实情景中应用深度 FER 方法的一些推荐。此外,还讨论了实际 FER 应用中的潜在道德规范,隐私问题和法规。
Nov, 2023
基于参数化的三维面部表情表示,我们提出了一种新颖的面部表情转化框架(GaFET),该框架可以稳定地分解表情,并通过多级特征对齐变换器和基于 StyleGAN 的去表情模型解决了非几何面部细节特征和空间特征对齐的问题,进而实现了与当前最先进方法相比更高质量和更准确的面部表情转换结果,并且适用于各种姿势和复杂纹理。此外,我们的方法省略了视频或注释训练数据,使得使用和推广更加简单。
Aug, 2023