Jun, 2022

HairFIT: 基于流形对齐和语义区域感知修复的姿态不变发型转移

PDF
TL;DR该论文提出了一种新的姿态不变的发型转换模型 HairFIT，该模型包括基于流的发型对齐和基于语义区域感知补全蒙版的发型综合两个阶段，能够有效地在具有不同姿势的图像之间实现发型转换，并取得了最先进的性能。
hairstyle transferpose-invariantflow-based hair alignmentsemantic-region-aware inpainting maskstate-of-the-art performance
发现论文，激发创造
  • 髮型設計：通過局部風格感知的髮型對齊實現位姿不變的髮型轉移的潛在優化

    本文提出了一种高性能的、具有潜在优化和新颖的局部样式匹配损失的姿势无关发型转移模型，可以在保留局部发型纹理的同时，克服源图像姿态与目标头发图像姿态差异较大产生的不满足问题。实验结果表明，该模型在较大姿势差异下转移发型并保持局部发型纹理的能力较强。

    Aug, 2022

  • StyleGAN 沙龙：多视角潜空间优化实现姿态不变发型转移

    本论文提出了一种基于多视图优化的方法，结合 StyleGAN 技术进行头发的虚拟试穿，能够准确地转移发型并保留输入图片的面部特征和身份信息。

    Apr, 2023

  • 具有几何感知流的实例级面部特征转移

    本篇论文提出了一种基于几何感知流表征的面部特征无对应数据实例级转移方法，配合外推网络和循环一致性框架可以实现跨大姿态和外貌差异的高保真面部特征转移。

    Nov, 2018

  • 通过自适应分层变形实现人体姿势转换

    本文提出了一个基于两级分层变形的自适应人体姿态转移网络，使用门控卷积动态选择图像的重要特征并逐层自适应变形，通过更少的参数快速收敛并在服装纹理转移等任务中获得更好的性能。

    Dec, 2020

  • 稠密内在外观流用于人体姿态转移

    该研究提出了一种人体姿势转换的新方法，通过估计稠密和内部的 3D 外观流来更好地指导姿态之间像素的转移，并通过该方法生成了真实的目标姿态图像。

    Mar, 2019

  • HairFastGAN：一种基于快速编码器的逼真稳健发色转移方法

    本研究提出了一个名为 HairFast 的模型，通过在 StyleGAN 的 FS 潜空间中运作的新架构、增强修补方法和改进的编码器来解决从参考图像将发型转移的问题，实现了高分辨率、接近实时的性能和优越的重建效果。

    Apr, 2024

  • 基于变压器的视频修补中利用光流指导

    提出 Flow-guided transformer plus (FGT++) 模型，通过轻量级的流完成网络、流引导功能模块及时空维度分离 MHSA 机制等方式，提高视频修复的效率与效果。

    Jan, 2023

  • LOHO：通过正交化技术对发型进行潜在优化

    本研究提出了一种名为 LOHO 的基于 GAN 逆向的优化方法，通过将头发分解为三个属性：感知结构、外观和风格，并引入定制的损失函数对每个属性进行独立建模，使得在潜空间中填充缺失的头发结构细节，从而实现头发转移。通过 LOHO，用户可以通过单独或联合操作头发属性，从参考发型中传递所需的属性，从而合成新的逼真图像。与现有技术相比，LOHO 在头发转移方面实现了优越的 FID，并在保留主体身份方面表现出与 SOTA 图像嵌入管道相当的性能，提高了头发转移的质量。

    Mar, 2021

  • 无监督姿态流学习用于姿态引导合成

    本文提出了一种无监督姿势流学习方案，通过学习源图像的姿势流，进而使用多尺度特征域对齐进行粗到细的综合，在 DeepFashion,MVC 数据集和其他真实世界数据集上进行实验，结果表明该方法在保留外观信息方面效果显著，并且具有良好的泛化性，适用于不同的服装风格和姿势类型。

    Sep, 2019

  • 高保真图像到图像转换的层次流

    提出了一种新流模型（Hierarchy Flow）用于图像到图像的翻译，通过层次化耦合、多尺度建模和对齐式损失实现更好的内容保留和风格转换，在图像到图像翻译任务中达到了最先进的性能。

    Aug, 2023