CVPRApr, 2023

StyleGAN 沙龙：多视角潜空间优化实现姿态不变发型转移

PDF
TL;DR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。
hair transfermulti-view optimizationstyleganface-hair compositevirtual try-on
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

  • 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

  • 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

  • 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

  • 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

  • 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

  • 单目视角下的人类图像综合的风格和姿态控制

    本文提出了一种新方法，称为 StylePoseGAN，用于合成具有姿势和部位外观显式控制的照片真实感的人类图像，并能够将其用于虚拟换装、动作模仿和新视角合成等应用中。

    Feb, 2021

  • 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

  • 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

  • 基于伪多视角优化的高保真三维 GAN 反演

    提出了一种高保真的三维对抗生成网络，可以在保留输入图像的特定细节的同时合成逼真的新视图。该方法通过伪多视图估计和能见度分析建立，有效解决了三维反演中的几何纹理平衡问题，并成功实现了单张图像的高保真三维重建和新视图合成。并且本方法亦适用于图像属性编辑和 3D 纹理修改，因此有望被广泛应用于人工智能生成的三维内容领域。

    Nov, 2022