- 高保真的通用情感交流人脸生成 —— 基于多模态情感空间学习
本研究提出了一种更灵活、更通用的基于文本、图像和语音情感模态的多模情感编码器,以及一个面向情感的音频到 3DMM 转换器和一个高保真情感脸生成器,通过充分利用深度神经网络,实现了情感控制的灵活性和可扩展性,进而提高了合成图像的质量和细节。
- 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。
- 面部综合识别中的身份特征解耦人脸合成
本文介绍一种从异构数据扩充的视角出发的新型异构人脸识别方法 —— 具有身份属性解缠的人脸合成(FSIAD),在大量合成的图像中使用随机组合的解缠特征丰富图像属性的多样性,并将合成和原始图像同时用于训练网络,以提高异构人脸识别的性能。
- CVPR通过自我估计的残差年龄嵌入进行连续人脸年龄化
通过将线性年龄估计器嵌入到基于生成对抗网络的模型中,结合自编码器和解码器一起训练,从而实现面部图像的年龄估计和带有个性化目标年龄嵌入的面部年龄进程 / 回归,通过个性化的残差年龄嵌入和例子面部老化基础,综合估计年龄和生成个性化的老化面部。该 - ECCV通过生成对抗网络实现高质量面部表面和纹理合成
提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型,使用普适化方法将几何数据映射到二维平面,实现了对数字扫描的几何数据高效处理,在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形,从而获得了新的高分辨率 3D 面孔。
- 面部合成中开放式身份保持的探索
提出了一种基于生成对抗网络 (GAN) 的框架,以在开放领域中保留身份的人脸合成中,区分脸部的身份和属性。它可以方便地重新组合不同身份和属性,以合成身份保持的面部。
- GP-GAN: 基于特征点的面部生成网络维护性别特征
本文致力于使用生成模型(GP-GAN)从所给的面部标志点中合成对应的面部图片,并通过大量实验证明,该方法可以通过保留性别等信息从面部标志点中生成更准确的面部图片。
- 人脸图像合成的最新进展
本文系统介绍了传统方法和深度学习方法,尤其是生成对抗网络(GAN)在面部合成方面的应用及其对身份保护的重要性,并讨论未解决的困难和未来研究方向。
- 双层衰老字典学习个性化年龄进展
本研究提出了一种基于双层字典学习的个性化年龄进展方法,通过学习邻近年龄组的人脸对,生成针对每个年龄组的不同的年老特征,并综合这些特征生成个性化的年龄进展过程。实验表明该方法在个性化年龄进展和跨年龄人脸鉴别方面性能优于其他技术。
- 姿态不变人脸识别综述
本文探讨了姿态不变人脸识别的难点,对几种现有方法进行了介绍和对比,并提出了未来的研究方向。