Sep, 2023

StyleGAN 中的面孔身份感知解缠

PDF
TL;DR通过将 TypeIVBasicCard-B（T - 基本卡 - B）上的 TypeI 基本卡 - B（T - 基本卡 - B）与 TypeI 机读卡 - B（T - 机读卡 - B）及 TypeI 机读卡基础数据 - B（T - 基础数据机读卡 - B）结合设置在 TypeIV-B（T - 基本卡 - B）上，可按材料基础建立既定基本卡 - B（T - 既定基本卡 - B）；通过在 TypeIV-B（T - 基本卡 - B）上设置 TypeII 证件單位 - B（T - 证件單位 - B）及 TypeIII 办事处 - B（T - 办事处 - B），可在已有证件基本卡 - B（T - 证件基本卡 - B）填写办证所需信息后，通过已有证件基本卡 - B（T - 办证所需信息 B）向申请人提出开户要求，并通过设置 T - 证件基本卡 - B 展示及更新申请人概述 - B（T - 展示及更新申请人概述 - B）的一系列选定项 (B)，实现无法更新已有证件文件申请人开户要求。
conditional gansplugen4facesstyleganface attributeslatent space
发现论文，激发创造
  • 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

  • MOST-GAN: 用于解耦脸部图像操作的 3D 可塑造风格 GAN

    MOST-GAN 使用 3D 形态模型耦合现代化 2D 变形网络实现面部图像生成、控制和逼真操作。

    Nov, 2021

  • 通过潜在空间映射的人脸身份分离

    本文提供了一种使用预训练网络来学习数据的解缠表示的方法，以实现最小的监督，同时展示了该方法在头部图像领域上成功将身份从其他面部属性中解缠并显示出较好的评估结果。

    May, 2020

  • ExFaceGAN: 探索 GAN 的学习潜空间中的身份方向，用于合成身份生成

    ExFaceGAN 提出了一种在预先训练的 GAN 潜空间中解缠身份信息的框架，使得可以生成任何合成身份的多个样本，而生成图像的变异性不仅限于特定属性。更进一步，本文证明了使用 ExFaceGAN 生成的数据可以成功地用于训练面部识别模型。

    Jul, 2023

  • 通过 3D 模拟对比学习实现解耦和可控的人脸图像生成

    通过对抗性学习和比较对生成的图像进行区分，利用控制潜在变量的方式实现虚拟人脸图像的生成

    Apr, 2020

  • 多种面部属性的保持身份编辑：学习全局编辑方向和局部调整

    通过使用 StyleGANs 的潜在空间和提出的方法进行面部图像编辑，我们介绍了一种名为 ID-Style 的新架构，可以解决在属性处理过程中面临的身份丢失问题。ID-Style 的关键组件包括可学习的全局方向（LGD），为每个属性找到共享和半稀疏的方向，以及实例感知强度预测器（IAIP）网络，根据输入实例对全局方向进行微调。尽管与类似的最先进作品相比，网络尺寸减小了约 95％，但其在身份保持度量（FRS）和操作平均准确度（mACC）分别优于基线 10％和 7％。

    Sep, 2023

  • 分离式人物图像生成

    本研究提出了一种基于二阶段重建管道的方法来生成真实但新颖的人物图像，该方法利用解耦表示学习各种图像因素，并同时生成新的人物图像，实验结果表明该方法不仅能够生成具有新前景、背景和姿态的逼真人物图像，还能用于人物再识别任务。

    Dec, 2017

  • 学习分解表示以实现强固的人员再识别

    本文提出了一种新的生成对抗网络 (IS-GAN)，可以通过身份标签而不需要其他信息将图像中的身份相关特征和非相关特征进行分离，在 person re-identification 中取得了显著的效果。

    Oct, 2019

  • InterFaceGAN：解读 GAN 学习的分解人脸表示

    本文介绍了一种名为 InterFaceGAN 的框架，通过解析状态最先进的 GAN 模型学习的分离面部表示，并研究在潜在空间中编码的面部语义属性特性，可以实现面部属性的真实操作而不必重新训练模型，并且可以更准确地控制特征操作。

    May, 2020

  • FICGAN: 人脸身份可控式 GAN 用于去身份化

    本文提出了一种基于自编码器的条件生成模型 Facial Identity Controllable GAN (FICGAN)，利用 k-same 算法对面部图像进行去识别化处理，保证了隐私保护的同时提高了数据利用率。

    Oct, 2021