論文の概要: Lifespan Age Transformation Synthesis
- arxiv url: http://arxiv.org/abs/2003.09764v2
- Date: Fri, 24 Jul 2020 12:08:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 13:06:10.789383
- Title: Lifespan Age Transformation Synthesis
- Title(参考訳): 寿命変換合成
- Authors: Roy Or-El, Soumyadip Sengupta, Ohad Fried, Eli Shechtman, Ira
Kemelmacher-Shlizerman
- Abstract要約: 本稿では,新しい画像から画像へ生成する対向的ネットワークアーキテクチャを提案する。
我々のフレームワークは、1枚の写真から0歳から70歳までの完全な頭部像を予測できる。
- 参考スコア(独自算出の注目度): 40.963816368819415
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We address the problem of single photo age progression and regression-the
prediction of how a person might look in the future, or how they looked in the
past. Most existing aging methods are limited to changing the texture,
overlooking transformations in head shape that occur during the human aging and
growth process. This limits the applicability of previous methods to aging of
adults to slightly older adults, and application of those methods to photos of
children does not produce quality results. We propose a novel multi-domain
image-to-image generative adversarial network architecture, whose learned
latent space models a continuous bi-directional aging process. The network is
trained on the FFHQ dataset, which we labeled for ages, gender, and semantic
segmentation. Fixed age classes are used as anchors to approximate continuous
age transformation. Our framework can predict a full head portrait for ages
0-70 from a single photo, modifying both texture and shape of the head. We
demonstrate results on a wide variety of photos and datasets, and show
significant improvement over the state of the art.
- Abstract(参考訳): 一つの写真年齢の進行と回帰という問題に対処し、その人が将来どのように見えるか、過去をどう見たかを予測する。
既存の老化法は、人間の老化と成長の過程で起こる頭部の形状の変化を見渡す、テクスチャを変えることに限定されている。
これにより、成人の老化に対する従来の方法の適用性が制限され、子供の写真にこれらの手法を適用することで、質の高い結果が得られない。
本稿では,学習された潜在空間が連続的な双方向の老化過程をモデル化する,新しいマルチドメイン画像対画像生成対向ネットワークアーキテクチャを提案する。
ネットワークはFFHQデータセットに基づいてトレーニングされており、年齢、性別、セマンティックセグメンテーションをラベル付けしています。
固定年齢クラスは、ほぼ連続年齢変換のアンカーとして使用される。
1枚の写真から0歳から70歳までの頭部のポートレートを予測し、頭部のテクスチャと形状の両方を修正した。
さまざまな写真やデータセットで結果を実証し,技術状況に対して大幅な改善が見られた。
関連論文リスト
- DiffAge3D: Diffusion-based 3D-aware Face Aging [61.3027596093854]
本稿では,DiffAge3Dを提案する。DiffAge3Dは3D設定で忠実な老化とアイデンティティ保存を行う最初の3D対応高齢化フレームワークである。
我々のフレームワークは、トレーニング済みの3D GANを利用して、堅牢な3D対応老化データセット生成パイプラインを含む。
DiffAge3Dは既存の手法、特にマルチビューの老朽化や細部保存において優れることを示す。
論文 参考訳(メタデータ) (2024-08-28T16:36:09Z) - ToonAging: Face Re-Aging upon Artistic Portrait Style Transfer [6.305926064192544]
ポートレート・スタイル・トランスファーと組み合わさって, 顔のリエイジングのための新しいワンステージ手法を提案する。
同じPRドメイン内でトレーニングされた既存の顔のリエイジとスタイル転送ネットワークを活用します。
提案手法は,ドメインレベルの微調整手法に比べて柔軟性が高い。
論文 参考訳(メタデータ) (2024-02-05T05:25:33Z) - Face Aging via Diffusion-based Editing [5.318584973533008]
FAdingは,Diffusion-based editiNGによる顔の老化に対処するための新しいアプローチである。
我々は、大規模言語画像拡散モデルのリッチな事前利用により、既存の手法を超越する。
提案手法は, 経年的精度, 属性保存, 経年的品質に関して, 既存の手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-20T13:47:10Z) - Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。
本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
論文 参考訳(メタデータ) (2023-03-20T13:20:14Z) - Disentangled Lifespan Face Synthesis [100.29058545878341]
ライフスパン顔合成(LFS)モデルは、1つのスナップショットのみを基準として、人の人生全体の写真リアル顔画像のセットを作成することを目的としている。
対象年齢コードから生成された顔画像は, 形状やテクスチャの生鮮やかな変換によって, 年齢に敏感に反映されることが期待される。
これは、エンコーダから形状、テクスチャ、アイデンティティの特徴を別々に抽出することで達成される。
論文 参考訳(メタデータ) (2021-08-05T22:33:14Z) - Continuous Face Aging Generative Adversarial Networks [11.75204350455584]
顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。
それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。
CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
論文 参考訳(メタデータ) (2021-02-26T06:22:25Z) - Only a Matter of Style: Age Transformation Using a Style-Based
Regression Model [46.48263482909809]
本稿では,事前学習した未条件GANの潜在空間に実際の顔画像をエンコードする画像から画像への変換手法を提案する。
所望の年齢に対応する潜時符号を生成する際に,エンコーダを明示的に案内するために,事前学習した年齢回帰ネットワークを用いる。
論文 参考訳(メタデータ) (2021-02-04T17:33:28Z) - PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。
このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。
実験により,既存の (c) GANs 法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2020-12-07T05:45:13Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳(メタデータ) (2020-11-11T16:43:32Z)
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。