具有细粒度控制的灵活人像图像编辑
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
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
本文提出了一种新颖的端到端 3D 感知图像生成和编辑模型,通过纯噪声、文本和参考图像等多种条件输入,在 3D 生成对抗网络(GANs)的潜在空间中深入研究并提出解缠特性较好的生成策略,同时采用统一框架进行灵活的图像生成和编辑任务,实现多模态条件下的多样图像生成、属性编辑和风格迁移。广泛实验证明,该方法在图像生成和编辑方面在质量和数量上均优于替代方法。
Mar, 2024
提出了一种新的 3D 可控脸部操作方法:3D-FM GAN,通过将输入脸部图像和 3D 编辑的真实渲染相结合,可以提供高质量、身份保留、3D 可控的脸部操作,相较于现有技术,具有更好的可编辑性、更强的身份保护和更高的照片逼真度。
Aug, 2022
本研究提出了一种新的控制图像属性的编辑方法,通过学习多种属性变换和应用内容损失和对抗损失来实现单一和多属性的编辑,并保留图像身份和真实感。此外,提出了客观评价标准以衡量模型性能,结果表明该模型在目标图像操作方面达到了最先进水平。
Feb, 2021
提供了一种细致的人脸操作方法,利用三维人脸模型和分离出质地和形状的方法进行纹理和形状不同表情的构建,进而通过生成网络和全连接网络实现表情的合成和准确形状的预测,获得了优越的结果,并被 85% 的用户优先选择,并且在 53% 的情况下,注释员无法可靠地区分合成的图像和真实图像的差别。
Feb, 2019
本文提出了一个结合了低分辨率可编辑性和高质量的生成模型,是 3D-semantics-aware 方法的新途径,在视图一致、语义分离的面部图像方面具有状态 - of-the-art 的性能、忠实度和效率。
May, 2022
通过利用 StyleGAN 的生成和概括能力改善输入肖像图像的肤色状况,同时保留其面部细节,我们提出了一种新颖的自动肖像图像修饰框架 StyleRetoucher。与现有替代方案相比,我们方法表现出更好的泛化能力,在肖像图像修饰任务中具有优越的性能。
Dec, 2023
本文提出了利用 GAN 进行 3D 重建,并引入了 GAN 相机流形的概念,通过精准的相机控制,实现了真正自由视点的渲染,在输入少量的照片的同时具有明显的语义控制能力。
Sep, 2021