- CVPR面向视觉识别的细粒度图像转换
本研究针对图像变换任务中的身份标签保留问题,通过对生成对抗网络的模型改进,提出了一种保留输入图像身份的图像变换方法,并在 CompCars 和 Multi-PIE 数据集上进行了大量实验证明了模型的实际效用,尤其是在细粒度少样本学习任务上。
- 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。
- WarpGAN:自动卡通人物生成
WarpGAN 是一种全自动生成卡通画的神经网络,可以在保留人脸特征的前提下,将图像转换为卡通画。通过引入 identity-preserving adversarial loss 等策略,生成的卡通画视觉效果良好,并且可以自定义不能夸大的 - 大范围眼部遮挡下的身份保持人脸修复
本研究提出了一种基于深度学习的面部修复方法,能够在大面积遮挡的情况下实现多角度视角的面部完成重构,并保持面部的身份特征。与传统的面部修复方法不同,该方法基于生成网络,具有特定的约束条件,能够合成具有一致身份特征的连贯面部图像,拥有更好的稳定 - 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。
- CVPR面部识别的特征转移学习与少样本数据
本研究利用中心特征转移框架增加被低估的人群的特征空间,使用加权高斯分布使得低估分布更加接近于正常分布,并在多个数据集上验证其较高的准确率和非身份变化的特征空间扩展方法。
- 人脸运动去模糊
本篇研究提出了一种数据驱动的方法,通过运用并行流来去模糊面部图像并保留身份信息,用于在高级面部分析任务中获得更好的结果。
- 多视角人脸图像合成的负载平衡对抗生成网络
本文提出了一种基于 LB-GAN 的方法,精确旋转输入人脸图像的航向角度到任意指定角度,该方法将多视角合成问题分解成两个受约束的子任务,其中正面化器处理输入图像,编辑器则根据远程代码旋转图像,最后通过有条件的自我循环损失和基于注意力机制的 - 通过条件式差异对抗自编码器实现逼真的面部表情合成
本文提出了一种条件差异对抗自编码器(CDAAE)的方法,用于从单张面部图像中合成逼真的面部表情,该方法可以解决因没有标记的面部表情数据而造成的身份和表情变化的消歧问题,同时能够在生成表情的同时保留身份信息,并可用于情感识别和数据扩增等方面。
- 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。
- 基于条件生成对抗网络的人脸老化
本文提出了一种基于生成对抗网络 (GAN) 的自动面部老化方法,强调在改变面部属性的同时,保留原始人物身份。通过新颖的 GAN 潜在向量的 “身份保持” 优化方法,通过现有的面部识别和年龄估计解决方案,对所得到的老化和回复面部图像进行客观评 - 卷积网络用于驱动属性和保护身份的人脸生成
本文通过优化模型,采用基于 CNN 的深度卷积网络 VGG-Face,通过特定属性生成具有参考图像身份信息的人脸图像的优化问题,结果表明,该方法能够有效地实现基于属性驱动的身份保持人脸生成。
- 使用隐藏因子分析联合稀疏表示模拟人脸衰老效应
使用基于隐藏因子分析的联合稀疏表示方法,将人脸的属性和年龄因素分开建模,并仅将年龄因素通过稀疏重构变换到目标年龄组,与身份因素相结合,产生了良好的面部老化效果,并证明了其在身份保护和老化效果生成方面的有效性。