May, 2022

F3A-GAN：利用生成对抗网络进行面部动画的面部流

PDF
TL;DR本文提出了一种基于三维几何流（Facial Flow）的面部动作表示方法和一种基于此表示方法的层次化条件生成框架，该方法与其他先进方法相比，具有更好的连续性和鲁棒性。
face animationconditional generationfacial flowmotion informationhierarchical conditional framework
发现论文，激发创造
  • GANimation：从单张图片生成有结构意识的面部动画

    该论文提出一种基于 Action Units 注释的新颖 GAN 条件方案，允许控制每个 AU 的激活幅度并结合其中几个。此外，它还提出了一种完全无监督的训练策略，并利用注意力机制使网络对不断变化的背景和光照条件具有鲁棒性，能够比竞争性条件生成器更广泛地合成生理可行的肌肉运动的表情。

    Jul, 2018

  • G3AN: 视频生成中外观和运动的分离

    提出了一种名为 G$^{3}$AN 的新型时空生成模型，用于捕捉高维视频数据的分布，并以分离的方式模拟外观和动作，在面部表情数据集 MUG 和 UvA-NEMO，以及人类行动数据集 Weizmann 和 UCF101 上显著优于现有方法，并分析了学习到的潜在表示的成功分解。

    Dec, 2019

  • 基于生成对抗网络的人脸转换

    提出了一种基于生成对抗网络的端到端人脸转移方法，使用 CycleGAN 生成目标角色的面部图像并探究了 PatchGAN 以及不同感受野大小对生成图像的影响。

    Oct, 2017

  • AniFaceGAN: 为视频头像生成可动画 3D 感知人脸图像

    本研究提出一种可动画的 3D 感知生成对抗网络用于多视角一致的人脸动画生成，通过将 3D 感知生成对抗网络的 3D 表示分解为模板场和形变场，并提出 3D 级模仿学习方案，帮助我们实现高质量的动画面部图像生成并具有较强的可视化 3D 一致性。

    Oct, 2022

  • 未来流嵌入视频预测的双运动 GAN

    本文开发了一个双模 GAN 架构，采用双学习机制，明确地执行未来帧预测与视频中像素流的一致性，该模型通过新的概率运动编码器处理不同像素位置的自然运动不确定性，并使用对抗训练确保未来帧的预测及光流的预测具有真实感，实验证明该模型性能明显优于最先进的方法，具有较强的泛化能力。

    Aug, 2017

  • FaR-GAN 用于一次性人脸再现

    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

  • 3D-FM GAN: 面部三维可控制变化

    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

  • 可控肖像图像动画的 3D GAN 反向推导

    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

  • FACEGAN：面部属性可控再现的 GAN

    本文介绍了一种基于动作单元控制的人脸重现 GAN（FACEGAN）算法，以解决在人脸动作重现过程中面部结构和身份信息的泄漏问题，并实验证明该算法相对于现有方法效果更好。

    Nov, 2020

  • AgeFlow: 带归一化流的条件年龄进展和回归

    AgeFlow 是一种新的框架，将流行模型和 GANs 相结合，使用编码器、解码器和可逆条件转换模块来实现双向年龄映射，通过属性感知知识蒸馏来学习变化方向，避免了面部属性的意外变化，在两个基准数据集上的实验结果表明，AgeFlow 比现有 GANs 方法表现更好。

    May, 2021