ECCVAug, 2022

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

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

    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。

    Jun, 2022

  • 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

  • 基于分割掩膜的理发店：使用 GAN 进行图像合成

    该论文提出一种新型的图像混合方法，基于 GAN 反演原理，利用一个 better latent 空间，通过新的 GAN 嵌入算法与通用分割掩模配合使用，借助它将多个参考图像的视觉特性融合成一张逼真、更有连贯性、更具有细节保留能力的图像。

    Jun, 2021

  • 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

  • 姿态与风格：基于条件 StyleGAN 的保留细节的姿态引导图像合成

    本文提出了一种基于单个图像的算法来重新渲染人物在各种姿态下的效果，并通过人体对称先验来学习插画对应关系，使用 StyleGAN 生成器控制外观和姿态，比现有技术表现更好

    Sep, 2021

  • 面部图像和视频的解缩聚变换器

    本研究提出通过 StyleGAN 生成器的潜在空间编辑面部属性，通过训练专门的潜在空间转换网络并在损失函数中添加显式的分离和身份保存项来控制和保护身份，并介绍了一个将面部编辑推广到视频的流程。在真实图像和视频方面表现出出色的性能。

    Jun, 2021

  • 多样发型体积捕捉的本地外观模型

    本文介绍一种创建高度逼真、个性化发型的头像的新方法，通过利用不同发型间的局部相似性并从多视角捕捉数百人的数据生成通用的发型外观先验模型，该先验模型以 3D 对齐特征为输入，在稀疏点云颜色条件下生成密集辐射场，通过实验证明该模型能够捕捉各种多样的发型并且应用在生成逼真、个性化的具有完整发型的头像上，取得了优于现有方法的效果。

    Dec, 2023

  • 神经渲染发型

    提出一种使用神经网络的头发渲染流程，通过共享潜在空间编码两个领域的外观不变结构信息生成逼真的渲染图像，并使用简单而有效的时间条件方法，可以在未经监督的情况下工作于任意头发模型，并在大量肖像上测试，得出其优于替代方案和最先进的无监督图像翻译方法的结论。

    Apr, 2020