- 基于排名的无参考人脸换脸质量评估
面部交换已成为计算机视觉和图像处理领域的一个突出研究方向，本研究提出了一种新的面部交换无参考图像质量评估方法，通过构建一个综合的大规模数据集，实现基于多个面部属性的图像质量排名方法，以及基于可解释性定性比较的连体网络，改进了面部交换模型的表 - PEGASUS：具可组合属性的个性化生成式三维头像
PEGASUS 是一种从单目视频源构建个性化生成的三维面部头像的方法，通过分解控制面部属性（如头发或鼻子），同时保留身份信息，该方法通过构建包含不同面部属性的目标个体的合成视频集合来生成个体特定的生成三维头像，并通过借用其他单目视频中不同个 - 高斯协调：扩散型人脸生成模型中实现公平性
本文提出了一种用于平衡生成图像的面部属性的新方法，通过在扩散模型的潜在空间中使用高斯混合模型 (GMM) 来定位面部属性的平均值，从而减小生成过程中的偏差。我们的方法不需要重新训练，而是实时定位子空间来减小生成公平数据的偏差，并保持生成样本 - AAAI带有条件风格代码扩散的可控三维人脸生成
通过将任务分为三个组成部分（即 3D GAN Inversion，Conditional Style Code Diffusion，3D Face Decoding），我们提出了一种名为 TEx-Face（文本和表情生成面部）的新方法，以实 - 多粒度跨模态对比学习下的文本引导人脸识别
通过引入面部属性和语义信息，以提高在低质量图像中进行面部识别的性能为目标，本文介绍了一种名为文本引导的面部识别（TGFR）方法，通过跨模态对齐和融合模块，以及面部特征和文本特征的优化，实现了显著的性能提升。
- 基于三维面部模型和深度学习的人脸分类与识别增强
通过将三维面部模型与深度学习方法相结合，本研究提出了一种新的方法来增强面部分类和识别任务，从而精确分析和分类面部属性。使用三维面部模型提取各种任务的最有用信息，从而提高了分类准确性。将三维面部洞察力与 ResNet 结构相结合，本方法取得了 - 自适应潜在表示学习下的端到端人脸交换
本文提出了一种基于 StyleGAN 的自适应潜在表示学习的高分辨率人脸交换框架，通过多任务双空间人脸编码器和自适应潜在编码交换模块来实现面部感知和融合，从而提高人脸交换的真实性和广泛适用性，并证明了该方法优于现有的最先进方法。
- 基于显著属性的人脸识别语义对抗攻击
本研究提出了一种新的语义对抗攻击方法 SAA-StarGAN，该方法基于余弦相似度或概率分数预测最重要的面部属性，并改变这些面部属性来进行对抗攻击。实验证明，该方法能够生成多样化和逼真的对抗性面部图像，并能够显著地提高对抗性样本的可迁移性。
- 基于面部属性的抑郁症自动识别的神经网络结构搜索
本研究使用神经架构搜索技术为基于多种面部属性的抑郁症识别设计最佳模型，并通过 AVEC2016 数据集的实验结果验证了该模型的可行性和准确性，为基于时间序列数据的心理健康分析提供了坚实的证据和强有力的基础。
- MMSimSwap：一种高保真人脸交换的高效框架
提出了一种高效的面部交换框架，称为 Simple Swap (SimSwap)，具有泛化和高保真度。通过使用 ID Injection Module (IIM) 将源面的身份信息传输到目标面，并通过提出的 Weak Feature Matc - 基于轻量级神经网络的多任务学习的面部表情和属性识别
本研究探讨轻量级卷积神经网络的多任务学习，用于识别人脸和分类面部属性（年龄，性别，种族），并在没有距离边缘的剪裁人脸上进行训练，需要微调这些网络以预测面部表情；使用 MobileNet、EfficientNet 和 RexNet 架构提出了 - 超越人口统计偏见的人脸识别偏差全面研究
分析了面部属性对人脸识别系统的影响，探讨了人口统计学以外的因素如饰品、发型、脸型等在身份验证性能方面的影响，提出了进一步增强人脸识别系统鲁棒性、可解释性和公平性的需求。
- AAAI微小人脸的联合超分辨率与对齐
本文提出一种联合对齐和超分辨率网络，通过共享深度编码器提取特征，实现同时检测面部标记和超分辨率。实验证明，该模型在检测微小面部标记和超分辨率方面优于现有方法。
- 学会识别面部超分辨率
本文提出了一种新颖的方法，利用音频和低分辨率图像进行极端人脸超分辨率，通过建立人脸的潜在表征并使用深度学习进行融合，以提高高分辨率图像重建过程的正确性，同时可以提取面部属性。
- ICCV通过独立子空间学习分离的表示
本论文提出了一种利用神经网络学习解开图像可控制性表示从而允许局部图像操作的方法，能够直接转移面部特定区域如眼睛、头发和嘴巴等部分的形状和颜色，而其他部位不变，通过使用定位的 ResNet 自编码器和几个损失函数进行训练，利用 CelebA - ICML利用马尔科夫毯子遮蔽 CelebA 类数据集中的偏见：属性先验避免的事后矫正
本文提出了一种后续解决方案，利用在属性空间中学习的 Ising 属性先验来解决属性先验规避问题，并通过质量实验展示了它的有效性，以解决在 CelebA 和 CelebA-HQ 数据集上学习的最先进深层生成模型在仅对像素空间测量进行建模情况下 - CVPR使用梯度加权类激活映射引导 DNN 的注意力进行人脸属性分类
本文提出一种交互式的方法，通过手动指定区域，让分类器注意到这些区域，以减轻共现偏差对预训练深度神经网络的影响，在 CelebA 数据集上测试并 fine-tuned 预训练 AlexNet 以关注指定的面部属性。
- 基于小波生成对抗网络的人脸属性感知老化
使用基于小波的生成对抗网络与面部属性向量来提高合成面部图像的质量，能够更准确地呈现面部随着时间推移带来的变化，并在现有数据集上取得了最先进的表现。
- 从视频中实现人脸属性嵌入的自监督学习
本研究提出了一个用于学习面部属性的无监督框架，通过观察视频中的人脸说话、笑笑和移动，引入了 Facial Attributes-Net (FAb-Net) 网络来将多帧视频面部轨迹嵌入到低维空间中进行训练，该网络通过预测每个帧的置信 / 注 - 一种由面部属性预测增强的深度人脸识别网络
该研究提出了一种新的深度学习框架，预测面部属性并将其作为软模态来提高面部识别性能，并且在预测属性和面部特征中融合以改进面部识别性能。实验结果表明，该模型在面部识别和属性预测性能方面都有很好的表现，特别是在身份面部属性预测方面。