論文の概要: Controllable Descendant Face Synthesis

• arxiv url: http://arxiv.org/abs/2002.11376v1
• Date: Wed, 26 Feb 2020 09:33:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 15:19:38.155371
• Title: Controllable Descendant Face Synthesis
• Title（参考訳）: 制御可能な顔合成
• Authors: Yong Zhang, Le Li, Zhilei Liu, Baoyuan Wu, Yanbo Fan, Zhifeng Li
• Abstract要約: 本稿では,制御可能な顔合成法を提案する。 私たちのモデルは継承モジュールと属性拡張モジュールで構成されています。 注意深いデザインのイメージペアは、トレーニング顔の年齢や性別のラベルだけを学習するために必要とされない。
• 参考スコア（独自算出の注目度）: 35.12798065779327
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kinship face synthesis is an interesting topic raised to answer questions like "what will your future children look like?". Published approaches to this topic are limited. Most of the existing methods train models for one-versus-one kin relation, which only consider one parent face and one child face by directly using an auto-encoder without any explicit control over the resemblance of the synthesized face to the parent face. In this paper, we propose a novel method for controllable descendant face synthesis, which models two-versus-one kin relation between two parent faces and one child face. Our model consists of an inheritance module and an attribute enhancement module, where the former is designed for accurate control over the resemblance between the synthesized face and parent faces, and the latter is designed for control over age and gender. As there is no large scale database with father-mother-child kinship annotation, we propose an effective strategy to train the model without using the ground truth descendant faces. No carefully designed image pairs are required for learning except only age and gender labels of training faces. We conduct comprehensive experimental evaluations on three public benchmark databases, which demonstrates encouraging results.
• Abstract（参考訳）: キンシップ・フェイス・シンセサイザー(Kinship face synthesis)は、"将来の子供たちはどんなものになるのか? この話題に対する出版アプローチは限られている。 既存の手法のほとんどは、合成された顔と親顔との類似性を明示的に制御することなく、オートエンコーダを直接使用することにより、1つの親顔と1つの子顔のみを考慮した1対1の親関係のモデルを訓練する。 本稿では,2つの親顔と1つの子顔の関係をモデル化した,制御可能な子孫顔合成法を提案する。 このモデルは継承モジュールと属性拡張モジュールで構成されており、前者は合成顔と親顔の類似性を正確に制御するために設計され、後者は年齢と性別を制御できるように設計されている。 親子間関係をアノテーションした大規模データベースは存在せず,真理後縁を用いずにモデルを訓練するための効果的な戦略を提案する。 トレーニング顔の年齢ラベルと性別ラベル以外は、注意深くデザインされた画像ペアは必要ない。 3つの公開ベンチマークデータベース上で総合的な実験評価を行い,その効果を実証した。

関連論文リスト

• Cafca: High-quality Novel View Synthesis of Expressive Faces from Casual Few-shot Captures [33.463245327698]
  人間の顔に先立って,高忠実度表現型顔のモデリングが可能な新しい容積を提示する。 我々は3D Morphable Face Modelを活用して大規模なトレーニングセットを合成し、それぞれのアイデンティティを異なる表現でレンダリングする。 次に、この合成データセットに先立って条件付きニューラルレージアンスフィールドをトレーニングし、推論時に、モデルを1つの被験者の非常にスパースな実画像のセットで微調整する。
  論文  参考訳（メタデータ） (2024-10-01T12:24:50Z)
• FlashFace: Human Image Personalization with High-fidelity Identity Preservation [59.76645602354481]
  FlashFaceを使うと、ユーザーは自分の写真を簡単にパーソナライズできる。 我々のアプローチは、高忠実度ID保存とより良い指示に従うことによって、既存の人間の写真カスタマイズ方法と区別できる。
  論文  参考訳（メタデータ） (2024-03-25T17:59:57Z)
• A Powerful Face Preprocessing For Robust Kinship Verification based Tensor Analyses [0.6829272097221595]
  子どもと親の顔画像から始まる関連性をチェックするシステムを導入し,その関連性の有無を明らかにする。 以上の結果から,現在使用されている他の戦略と比較すると,システムは堅牢であることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T15:33:26Z)
• ChildPredictor: A Child Face Prediction Framework with Disentangled Learning [23.765448212636183]
  本研究では,子どもの顔の表情予測のための学習戦略を提案する。 我々は、両親の遺伝的要因から子供の遺伝的要因へのマッピングとして予測を定式化する。 ChildPredictorは、他のよく知られた画像から画像への変換方法よりも優れている。
  論文  参考訳（メタデータ） (2022-04-21T08:38:08Z)
• Heredity-aware Child Face Image Generation with Latent Space Disentanglement [96.92684978356425]
  本研究では,子育てに先立つ親のイメージに基づいて子どものイメージを生成するための,子育てという新しいアプローチを提案する。 第一の考え方は、事前訓練された生成モデルの潜伏空間を乱し、明確な意味論で児童画像の顔属性を正確に制御することである。
  論文  参考訳（メタデータ） (2021-08-25T06:59:43Z)
• Training face verification models from generated face identity data [2.557825816851682]
  我々は、顔認識に適用されるように、データセットのプライバシー保護を高めるアプローチを検討する。 我々は、StyleGAN生成逆数ネットワーク上に構築し、2つの異なるサブコードを組み合わせた潜時符号でフィードする。 少量のプライベートデータを追加することで、モデルの性能が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2021-08-02T12:00:01Z)
• Everything's Talkin': Pareidolia Face Reenactment [119.49707201178633]
  pareidolia face reenactmentは、ビデオ中の人間の顔とタンデムで動く静的なイラストリーフェイスのアニメーションと定義されている。 顔再現法と従来の顔再現法との差異が大きいため, 形状のばらつきとテクスチャのばらつきが導入された。 この2つの課題に取り組むために,新しいパラメトリック非教師なし再現アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-04-07T11:19:13Z)
• Second-Order Unsupervised Neural Dependency Parsing [52.331561380948564]
  ほとんどの教師なし依存は、親子情報のみを考慮した一階確率的生成モデルに基づいている。 親子や兄弟姉妹の情報を組み込んだ教師なし神経依存モデルの2階拡張を提案する。 我々のジョイントモデルは、完全なWSJテストセットにおける前の最先端技術よりも10%改善します。
  論文  参考訳（メタデータ） (2020-10-28T03:01:33Z)
• Learning Inverse Rendering of Faces from Real-world Videos [52.313931830408386]
  既存の方法は、顔画像を3つの構成要素(アルベド、ノーマル、照明)に分解する。 本稿では,アルベドと正常の整合性の仮定に基づいて,我々のモデルを実顔ビデオでトレーニングするための弱い教師付きトレーニング手法を提案する。 私たちのネットワークは、実データと合成データの両方で訓練されています。
  論文  参考訳（メタデータ） (2020-03-26T17:26:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。