Apr, 2024

eMotion-GAN：基于运动的 GAN 用于逼真且保留面部表情的正面视角合成

PDF
TL;DReMotion-GAN 是一种深度学习方法，用于前视合成并保留面部表情，在处理头部姿势变化时显著提高面部表情识别 (FER) 系统的性能。
facial expression recognitionhead pose variationsfrontalization methodsemotion-gandeep learning approach
发现论文，激发创造
  • 超越脸部旋转：全局和局部感知 GAN 用于逼真且保留身份特征的前方合成

    本文提出了一种基于 TP-GAN 网络的真实主观正面合成方法，通过引入对局部纹理的注意力网络，并结合对称损失、身份保留损失等方式来解决这个本质上存在不确定性的挑战性问题。实验结果表明，该方法不仅在感知结果上表现出色，而且在大角度人脸识别方面也优于现有的最新方法。

    Apr, 2017

  • 野外条件下的大姿态人脸正向化

    本文提出了一种利用深度学习中的 3D 可塑模型进行面部正面化的生成式对抗网络，可以有效提高识别率和处理不同姿势的面部图像。

    Apr, 2017

  • 用于大姿态人脸正视的双重注意力生成对抗网络

    本文提出了一种新的双重关注生成敌对网络（DA-GAN）来实现逼真的人脸正面效果生成，它结合了自注意力机制和面部注意力机制，使得生成的前面部分的人脸更加真实，具有更精细的面部外观和纹理信息，并在定量和定性实验中取得了良好的表现。

    Feb, 2020

  • GaFET：学习自野外图像的几何感知面部表情翻译

    基于参数化的三维面部表情表示，我们提出了一种新颖的面部表情转化框架（GaFET），该框架可以稳定地分解表情，并通过多级特征对齐变换器和基于 StyleGAN 的去表情模型解决了非几何面部细节特征和空间特征对齐的问题，进而实现了与当前最先进方法相比更高质量和更准确的面部表情转换结果，并且适用于各种姿势和复杂纹理。此外，我们的方法省略了视频或注释训练数据，使得使用和推广更加简单。

    Aug, 2023

  • FaR-GAN 用于一次性人脸再现

    本文提出了一种只需要输入一个源标识符和目标表情，便可生成一定质量的表情图片的一次性脸部再现模型，FaR-GAN，适用于图片处理和电影制作。将此方法应用于 VoxCeleb1 数据集并与其他方法进行比较取得更好的效果。

    May, 2020

  • AniFaceGAN: 为视频头像生成可动画 3D 感知人脸图像

    本研究提出一种可动画的 3D 感知生成对抗网络用于多视角一致的人脸动画生成，通过将 3D 感知生成对抗网络的 3D 表示分解为模板场和形变场，并提出 3D 级模仿学习方案，帮助我们实现高质量的动画面部图像生成并具有较强的可视化 3D 一致性。

    Oct, 2022

  • G3AN: 视频生成中外观和运动的分离

    提出了一种名为 G$^{3}$AN 的新型时空生成模型，用于捕捉高维视频数据的分布，并以分离的方式模拟外观和动作，在面部表情数据集 MUG 和 UvA-NEMO，以及人类行动数据集 Weizmann 和 UCF101 上显著优于现有方法，并分析了学习到的潜在表示的成功分解。

    Dec, 2019

  • 级联 EF-GAN：局部聚焦渐进式人脸表情编辑

    本文介绍一种名为 Cascade Expression Focal GAN (Cascade EF-GAN) 的神经网络，该网络使用本地表情聚焦进行逐步的面部表情编辑，通过将大面部表情转化分成多个级联小的表情转化以减少重叠伪影并在处理大幅度表情转化时生成更真实的编辑，通过在两个公共面部表情数据集上进行广泛的实验，说明了所提出方法优于目前的面部表情编辑方法。

    Mar, 2020

  • 几何引导的对抗性面部表情合成

    本文提出一种几何引导生成对抗网络 (G2-GAN)，通过面部几何条件（标识点）来引导特定表情的面部纹理合成，实现逼真的与身份保护面部表情合成，并取得了良好的实验效果。

    Dec, 2017

  • F3A-GAN：利用生成对抗网络进行面部动画的面部流

    本文提出了一种基于三维几何流（Facial Flow）的面部动作表示方法和一种基于此表示方法的层次化条件生成框架，该方法与其他先进方法相比，具有更好的连续性和鲁棒性。

    May, 2022