AAAIDec, 2023

带有条件风格代码扩散的可控三维人脸生成

PDF
TL;DR通过将任务分为三个组成部分（即 3D GAN Inversion，Conditional Style Code Diffusion，3D Face Decoding），我们提出了一种名为 TEx-Face（文本和表情生成面部）的新方法，以实现高效和可控的生成逼真的 3D 面部模型。
3d facestex-facefacial attributesexpressionsgan inversion
发现论文，激发创造
  • 3D-FM GAN: 面部三维可控制变化

    提出了一种新的 3D 可控脸部操作方法：3D-FM GAN，通过将输入脸部图像和 3D 编辑的真实渲染相结合，可以提供高质量、身份保留、3D 可控的脸部操作，相较于现有技术，具有更好的可编辑性、更强的身份保护和更高的照片逼真度。

    Aug, 2022

  • 免税 3DMM 条件人脸生成

    本文提出了一种新的方法解决 3DMM 条件下面部生成质量与可控性权衡的问题，该方法有效去除了低质量的代价，使得可以在有可控性的情况下获得高质量的人脸生成，实现了控制性和高质量的结合。

    May, 2023

  • DCFace：双条件扩散模型合成人脸

    通过将主体外貌和外部条件（样式）结合来解决面部图像合成的问题，Dual Condition Face Generator 是一种基于扩散模型的生成器，可通过 Patch-wise 样式提取和 Time-step 受限 ID 损失来提供高精准控制，从而比以前的方法提供更高的身份验证准确性。

    Apr, 2023

  • 生成可解释人脸技术 (GIF)

    该研究使用预定义的控制参数来调节生成过程，进而产生了一种具有参数控制的生成式人脸模型 GIF，它结合了 3D 主题的控制和 GANs 的高保真生成，经过感知研究得出 GIF 表现良好。

    Aug, 2020

  • 个性化人脸生成中的同时和细粒度身份 - 表情控制

    本文介绍了一个新颖的多模式人脸生成框架，能够同时进行身份 - 表情控制和更细粒度的表情合成，并通过创新设计在条件扩散模型中实现身份和表情的分别控制。实验证明了该框架在可控性和可扩展性上的优越性。

    Jan, 2024

  • 具有条件生成占用场的可控三维人脸合成

    本文提出了一种基于 NeRF 的条件生成 3D 人脸合成框架，该框架能够通过从 3D 脸部先验中强制显式的 3D 条件生成可控制性高保真面部图像，并且比现有的基于 2D 的可控制性合成方法具有更精确的 3D 可控制性。

    Jun, 2022

  • 多模态条件下的三维人脸几何生成

    我们提出了一种新的方法，用于多模态条件下的三维人脸几何生成，可以通过多种不同的条件信号实现对输出身份和表情的用户友好控制。该方法基于扩散过程，在一个二维参数化的 UV 领域中生成三维几何形状，并通过交叉注意层 (IP-Adapter) 将每个调节信号传递给几何生成模型，提供细粒度的用户控制，产生具有高分辨率几何的易于使用的三维人脸生成工具。

    Jul, 2024

  • 朝现实的生成三维人脸模型

    本文提出使用 2D 生成模型加上面部特征操作来创造 3D 可控制生成人脸模型的方法，可进行文本编辑、样式编辑和生成精确的 3D 形状和更高质量的色彩。

    Apr, 2023

  • 高保真文本引导的 3D 人脸生成与操作仅通过图像

    通过引入文本条件，该论文提出了一种名为 TG-3DFace 的文本引导的 3D 人脸生成方法，利用全局对比学习和细粒度对齐模块两种跨模态对齐技术，实现了更逼真和语义一致的纹理生成。

    Aug, 2023

  • 3D 引导细粒度人脸操作

    提供了一种细致的人脸操作方法，利用三维人脸模型和分离出质地和形状的方法进行纹理和形状不同表情的构建，进而通过生成网络和全连接网络实现表情的合成和准确形状的预测，获得了优越的结果，并被 85% 的用户优先选择，并且在 53% 的情况下，注释员无法可靠地区分合成的图像和真实图像的差别。

    Feb, 2019