Mar, 2024

解开种族表征：对与种族相关的面部表征特征的精细控制

PDF
TL;DR本研究论文提出一种新颖的生成对抗网络（GAN）框架，以实现对人脸图像中与种族相关表型属性的细粒度控制，并提供改进的逼真输出。
fine-grained appearance variationfacial identitydisentanglementracial bias mitigation strategiesgan framework
发现论文，激发创造
  • DisControlFace: 个性化面部图像编辑的分离控制

    我们的研究侧重于探索生成性面部图像编辑中明确的细粒度控制，同时生成忠实和一致的个性化面部外貌。我们确定了这项任务的关键挑战是在生成过程中对解缠条件控制的探索，并相应地提出了一种新的基于扩散的框架，称为 DisControlFace，包括两个解耦的组件。

    Dec, 2023

  • GAN-Control: 明确可控的 GANs

    我们提出了一个具有明确控制 GAN 生成的图像的框架，借助于对抗性训练（GANs）、明确控制的潜在空间以及对人类的符号解释模型进行了对生成图像的控制，可扩展到人类脸谱以外的领域，实现了身份、年龄、姿态、表情、头发色彩和光照方面的控制，并且在画像和狗图像生成的领域中都展示了控制能力，同时表现出优良的定量和定性性能。

    Jan, 2021

  • 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

  • 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

  • DeepFaceEditing: 利用分离的几何和外表控制实现人脸的深度生成和编辑

    DeepFaceEditing 是一种针对面部图像的结构解缠框架，旨在支持面部生成和编辑，具有几何和外表的解缠控制能力。该方法采用了局部到全局的方法，将面部组件图像分解为几何和外貌表示，并使用全局融合模块进行一致融合，以提高生成质量，并利用草图辅助提取更好的几何表示，同时也支持通过草图进行直观的几何编辑。该方法相较于最先进的方法表现出更优秀的细节和外观控制能力。

    May, 2021

  • 通过合成种族变化实现包容性人脸识别

    研究发现，现有的人脸识别系统往往存在对某些民族的偏见，这是因为数据中缺乏对这些民族的充分代表。本研究通过使用合成人脸图像生成方法来改变种族和肤色，以增加数据集的多样性。研究还对使用这样的数据集进行人脸识别系统的适应性进行了详细分析，并使用个体类型角度（ITA）进行真实肤色表示的评估，并使用人脸图像质量评估方法对质量特性进行分析。通过使用四种不同的系统进行全面的人脸识别系统性能分析，本研究为未来的研究工作铺平了道路，包括（i）开发特定民族和一般民族的改变模型，（ii）扩展这样的方法以创建具有多样肤色的数据库，（iii）创建代表各种民族的数据集，进一步在解决隐私问题的同时有助于减轻偏见。

    May, 2024

  • 朝着负责任的人脸数据集：对解缠的潜空间建模以从人口群体中采样人脸图像

    该研究论文探讨了一种根据样式生成对抗网络（StyleGAN）潜在空间的简单方法，用于生成平衡且可能无偏差的合成数据集，以用于训练、规范化或评估基于深度学习的人脸识别模型，并证明了可以有效地合成任何组合的人口统计学群体。

    Sep, 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

  • 通过对抗训练实现解耦的三维面部形状模型

    本研究提出了一种基于生成对抗网络的新方法，利用生成器和鉴别器实现面部建模。通过定量和定性结果表明，这种方法能更好地分离面部特征中的自然因素，尤其是身份和表情，并且比现有的最先进方法在解耦和多样性方面表现更优秀。

    Feb, 2019

  • 可控神经人脸图像生成

    本文介绍了 ConfigNet，这是一种神经人脸模型，它使用合成数据将潜空间分解为传统渲染管道的输入元素，从而实现对输出图像中的个别方面进行以语义有意义的方式控制，其中实际图像扩展了生成图像的多样性并鼓励真实性

    May, 2020