- AniFaceDiff:面部参数条件扩散模型在高保真人脸复原中的应用
通过稳定扩散技术,提出了一种名为 AniFaceDiff 的新方法,通过增强的 2D 面部快照调节和表情适配机制实现高保真度的人脸复制,展示了在人脸复制中的卓越图像质量、身份保留和表情准确性的超过其他方法的结果
- 用于 Fine-Grained ID 和属性控制的预训练扩展模型的脸部适配器
通过引入高效有效的 Face-Adapter,我们旨在解决资源密集型的训练问题,从而实现预训练扩散模型的高精度和高保真度的人脸编辑,该模型在运动控制精度、ID 保留能力和生成质量方面具有可比甚至优越的表现。
- CVPRFSRT:基于分解外貌、头部姿势和面部表情特征的人脸再现的面部场景表示变换器
人脸再现的任务是将视频中的头部运动和面部表情转移至源图像的外观,可以是不同的人(跨再现)。我们提出了一种基于 Transformer 编码器的方法来计算源图像的一组潜在表示。然后,我们使用基于 Transformer 的解码器预测查询像素的 - AAAI基于 NeRF 的人脸再现的密集对应关系学习
我们提出了一种新颖的框架,使用三面体平面作为基本 NeRF 表示,并将面的三个部分分解为:规范三面体平面、身份形变和运动。在运动控制方面,我们的主要贡献是提出了一个平面字典(PlaneDict)模块,它将运动条件高效地映射到可学习的正交平面 - MaskRenderer:3D 注入多层面实际脸部再现
我们提出了一种新颖的端到端身份不可知的面部重仿真系统 MaskRenderer,可以实时生成逼真高保真度的帧。综合定量和定性实验证明,MaskRenderer 在未见过的面部,尤其是源身份和驱动身份非常不同的情况下,优于最先进的模型。
- StyleAvatar:通过单个视频实时生成逼真肖像头像
该论文提出了一种使用 StyleGAN 网络的实时照片级写实肖像化重建方法,可在忠实表情控制下生成高保真肖像化头像,并通过引入组合表示和滑动窗口增强方法将其能力扩展到全身视频生成,使训练和应用的表现和效率得到了提高。
- FSGANv2:改进的主体无关人脸交换和重现技术
本研究提出了一种基于深度学习的面部交换生成对抗网络(FSGAN),用于面部交换和活体重放,包括一种新颖的迭代深度学习方法,可用于面部活体重放,采用重建三角形和重心坐标的方法连续插值,使用面部补全网络处理被遮挡的面部区域,最终采用一种新型泊松 - AAAI使用外貌自适应归一化进行单次面部换脸重现
本文提出了一种新颖的生成对抗网络,用于单次面部再现,能够在保持面部原始外观的同时对单个面部图像进行不同的姿势和表情动画效果。作者们设计了外观自适应归一化机制和本地网络结构,用于集成外观信息和优化脸部生成器,实现更加精准的面部再现表达。实验结 - MM使用图卷积网络的网格引导单次脸部再现
本文提出了一种使用重建的三维网格作为指导学习复合脸合成所需光流的方法,以便更精确地实现表情和姿势,在定性和定量比较方面优于现有方法,并解决现有方法在单次或少次情况下的身份保护问题。
- CVPRFaR-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。
- AAAIMarioNETte: 少样本人脸换脸,保留未知目标身份
提出一种名为 MarioNETte 的架构,其中包括图像注意力块、目标特征对齐和地标变换器组件,它能够在 few-shot setting 中产生高质量的被重新表演的面孔,并通过地标分离显着缓解了身份保存问题。
- ICCVFSGAN: 面部交换和重现(无主题)
本文提出了一种基于 GAN 的脸部交换和演绎方法,其中采用了 RNN 和 Delaunay Triangulation 来进行脸部再现,并使用 Poisson blending loss 来实现融合。与现有技术相比,本方法在定性和定量方面均 - 一拍即合人脸再现
该研究提出了一种基于一次学习的人脸复现系统,通过将目标人脸外观和源脸形状投影到潜在空间中,并学习一个共享解码器来使这两个潜在空间相关联,从而实现有效建模。该方法在 Mustache 和 Hair 区域照片合成的质量上比传统方法有很大提高,并 - FReeNet: 多身份人脸重演
本文介绍了一种新的多身份人脸再现框架 FReeNet,其采用联合地标转换器和几何感知生成器来实现从任意源面孔到具有共享模型的目标面孔的面部表情转换。
- ECCVReenactGAN: 基于边缘传递学习复制面部表情
提出了一种名为 ReenactGAN 的基于学习的框架,可从单眼视频输入转移人脸运动和表情到目标人物。此方法将源脸映射到边界潜空间,使用变形器进行调整,最终生成重现的目标面孔,这一过程可以在实时(30 FPS 的 GTX 1080 GPU