Dec, 2023

AttriHuman-3D: 可编辑的基于属性分解和索引的 3D 人体化身生成

PDF
TL;DR我们提出了 AttriHuman-3D，一种可编辑的 3D 人体生成模型，通过属性分解和索引解决了高准确性局部编辑和巨大计算成本的问题，实现了在生成的 3D 人体化身中交互式编辑选定属性并保持其他属性固定的功能。定性和定量实验证明我们的模型在不同属性之间提供了强大的解耦，允许细粒度图像编辑和生成高质量的 3D 人体化身。
editable 3d-aware generationeditable 3d gansattribute decompositionattribute indexing3d human avatars
发现论文，激发创造
  • 基于属性分解 GAN 的可控人物图像合成

    介绍了一种属性分解生成对抗网络，能够通过将人的属性嵌入潜在空间作为独立编码，通过混合和插值运算在显式样式空间中灵活控制属性，从而实现可控的人物图像生成，实现了更好的姿势和组件属性转换。

    Mar, 2020

  • 学习可局部编辑虚拟人

    本文提出一种新的混合表征和端到端可训练的网络体系结构，以建模完全可编辑和可定制的神经化身，并设计实现一种特征码本以存储可变形体模型的本地几何和纹理特征。该模型具有 3D 一致性，并利用神经场的模建模力量。此外，该方法还可在三维资产之间交换本地特征以实现局部编辑。通过贡献一个新的高质量数据集，该方法生成了多样化的详细化身，并比现有方法获得更好的模型拟合性能。

    Apr, 2023

  • AvatarGen：可动漫人类角色的三维生成模型

    本文提出 AvatarGen 方法，是第一种通过仅使用 2D 图像训练，能够生成高保真度外观和可控几何形状的、解耦式的可控人体动画的方法。

    Nov, 2022

  • AttGAN: 仅修改您想修改的部分的面部属性编辑

    本研究旨在改变面部图像的一个或多个属性，并保持其他细节，使用生成敌对网络（GAN）和编码器 - 解码器架构来确保高质量的面部特征编辑。

    Nov, 2017

  • GAN-Avatar: 可控个性化基于 GAN 的人头图像生成器

    我们提出了一种从图像中学习具有人物特定的可动画化角色模型的方法，旨在解决面部表情追踪失败的问题，并实现高保真度的图像合成。

    Nov, 2023

  • 通过属性特定提示学习实现高效的三维感知人脸图像编辑

    提出了一种基于属性特定的提示学习的高效、即插即用的三维感知人脸编辑框架，该框架利用可学习的样式令牌和样式映射器，通过预先训练的视觉语言模型在任何预先训练的三维感知生成对抗网络的潜在空间中找到以文本为导向的属性特定编辑方向，并将其转化为三维潜在空间。通过多个三维感知的身份和姿势保持损失，保证了视角一致性和身份保持。实验证明，该方法能够生成具有三维感知和视角一致性的高质量图像，同时保持属性特定的特征。

    Jun, 2024

  • PREIM3D: 从单张图像实现一致精确的 3D 图像属性编辑

    本文研究了 3D 感知图像属性编辑问题，提出了一种多视图身份损失和交替训练方案的方法来维持 3D 一致性和主体身份，使用 GAN 模型的反演流形进行编辑，比以前的工作更准确地编辑图像并生成了更具 3D 一致性的图像。

    Apr, 2023

  • FaceController: 野外人脸可控属性编辑

    本文提出了一种基于前馈神经网络的人脸属性编辑方法，该方法可控制，转移和编辑野外人脸的多样属性，允许应用于人脸交换，光照转移和化妆品转移等多种应用。

    Feb, 2021

  • 缓解属性编辑对人脸识别的影响

    通过使用基于深度图和辅助语义分割掩模的 ControlNet 的无正则方法进行精细的局部属性编辑和基于自定义损失和正则化设置的基于正则方法进行粗糙的全局属性编辑，本研究对利用最新的生成模型改变的二十六种面部语义、人口统计和表情属性进行了实证消融，并在 CelebA、CelebAMaskHQ 和 LFW 数据集上使用 ArcFace 和 AdaFace 匹配器进行了评估，最终使用 LLaVA 验证了我们的编辑技术，方法在保留身份的情况下，在面部编辑方面优于现有技术（BLIP、InstantID）。

    Mar, 2024

  • IDE-3D: 高分辨率三维感知人像综合的交互式分离式编辑

    本文提出了一个结合了低分辨率可编辑性和高质量的生成模型，是 3D-semantics-aware 方法的新途径，在视图一致、语义分离的面部图像方面具有状态 - of-the-art 的性能、忠实度和效率。

    May, 2022