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

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

通过构建一个具有精确控制结构信息能力的保护掩模的属性编辑流程，我们研究了在不同类型场景下对分割模型的行为进行鲁棒性评估。我们发现局部和全局属性的变化对分割性能产生影响，并且模型对不同类型变化的敏感性不同。因此，我们认为局部属性与全局属性具有相同的重要性，应该在分割模型的鲁棒性评估中考虑。

Mar, 2024

本文提出了一种基于局部属性编辑的新方法 MaskFaceGAN，采用最先进的生成对抗网络（StyleGAN2）的潜在编码进行优化，通过不同 iable 的属性分类器和面部解析器执行多个约束条件，实现对人脸图像的局部面部属性进行编辑，达到了极高的图像质量，在 1024x1024 的高分辨率下进行编辑，而且相对于现有的竞争性解决方案，其属性交错问题更少。

Mar, 2021

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

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

本文提出了一种基于渐进式注意力 GAN 的人脸属性编辑方法，通过每个级别的注意力掩模约束在适当的属性区域内，从高到低的特征级别逐步进行编辑，以维护身份和背景等其他信息，并避免不必要的修改干扰，使该方法实现了正确的人脸属性编辑，并更好地保留了不相关的细节信息。

Jul, 2020

本文中提出的基于属性标签限制的模型，可以通过在预定义的潜在特征空间中直接应用属性标签并使用属性分类损失，从图像中提取属性相关信息，以实现用于编辑多个属性的面部属性传输，同时通过设计新的模型结构来提高属性传输能力。在 CelebA 数据集上的实验结果表明，该方法有效地克服了其他方法存在的三个限制。

Dec, 2019

本研究提出了一种基于生成对抗网络 (GAN) 的新型 GAN 模型，其特点是使用互补注意力特征 (CAFE) 来识别面部图像中要转变的区域，并在生成器中使用互补特征匹配来利用属性的空间信息，旨在解决其他方法中出现的对非指定区域进行无意义调整的问题，并通过与最先进方法的分析和比较研究来证明所提出方法的有效性。

Nov, 2020

使用 Talk-to-Edit 框架对面部进行 fine-grained 属性操纵，通过模型连续的语义空间和语言反馈来实现与用户的自然交互。同时，为了促进大规模研究，我们还贡献了 CelebA-Dialog 面部编辑数据集。

Sep, 2021