論文の概要: High Resolution Face Age Editing

• arxiv url: http://arxiv.org/abs/2005.04410v1
• Date: Sat, 9 May 2020 09:59:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 07:00:45.110786
• Title: High Resolution Face Age Editing
• Title（参考訳）: 高分解能顔年齢編集
• Authors: Xu Yao, Gilles Puy, Alasdair Newson, Yann Gousseau, Pierre Hellier
• Abstract要約: 敵の訓練は 画像操作において 最も視覚的に印象的な結果を生み出しました 顔年齢編集のためのエンコーダデコーダアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 5.809784853115826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face age editing has become a crucial task in film post-production, and is also becoming popular for general purpose photography. Recently, adversarial training has produced some of the most visually impressive results for image manipulation, including the face aging/de-aging task. In spite of considerable progress, current methods often present visual artifacts and can only deal with low-resolution images. In order to achieve aging/de-aging with the high quality and robustness necessary for wider use, these problems need to be addressed. This is the goal of the present work. We present an encoder-decoder architecture for face age editing. The core idea of our network is to create both a latent space containing the face identity, and a feature modulation layer corresponding to the age of the individual. We then combine these two elements to produce an output image of the person with a desired target age. Our architecture is greatly simplified with respect to other approaches, and allows for continuous age editing on high resolution images in a single unified model.
• Abstract（参考訳）: 顔の年齢編集は映画のポストプロダクションにおいて重要な課題となり、また汎用写真にも人気がある。 近年、顔の老化/老化タスクなど、画像操作において最も視覚的に印象的な結果を生み出している。 かなりの進歩にもかかわらず、現在の方法はしばしば視覚的なアーティファクトを示し、低解像度の画像しか扱えない。 より広い用途に必要とされる高品質で堅牢な老朽化を実現するためには,これらの課題に対処する必要がある。 これが現在の作品の目標である。 顔年齢編集のためのエンコーダデコーダアーキテクチャを提案する。 私たちのネットワークの核となる考え方は、顔のアイデンティティを含む潜在空間と、個人の年齢に対応する特徴変調層の両方を作ることです。 次に、これらの2つの要素を組み合わせて、所望の目標年齢の人物の出力画像を生成する。 私たちのアーキテクチャは、他のアプローチに関して大幅に単純化され、単一の統一モデルで高解像度画像上での連続年齢編集を可能にします。

関連論文リスト

• MyTimeMachine: Personalized Facial Age Transformation [8.57541218633766]
  MyTMは、グローバルな老化と個人の写真コレクションを組み合わせて、パーソナライズされた年齢変化を学ぶ。 われわれのアプローチはビデオにも拡張でき、高品質、アイデンティティ保存、時間的に一貫した老化効果を達成できる。
  論文  参考訳（メタデータ） (2024-11-21T18:54:13Z)
• IdenBAT: Disentangled Representation Learning for Identity-Preserved Brain Age Transformation [9.23090816270662]
  脳年齢変換は、対象年齢群の年齢固有の特徴を正確に反映した、参照脳画像を合成画像に変換することを目的としている。 IdenBATと呼ばれるアイデンティティ保存型脳年齢変換に不整合表現学習を用いた新しいアーキテクチャを提案する。 本手法は,個々の特徴を正確に保持しながら,入力画像を目標年齢に適応的に変換する。
  論文  参考訳（メタデータ） (2024-10-22T12:20:15Z)
• 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)
• PortraitBooth: A Versatile Portrait Model for Fast Identity-preserved Personalization [92.90392834835751]
  PortraitBoothは高効率、堅牢なID保存、表現編集可能な画像生成のために設計されている。 PortraitBoothは計算オーバーヘッドを排除し、アイデンティティの歪みを軽減する。 生成した画像の多様な表情に対する感情認識のクロスアテンション制御が組み込まれている。
  論文  参考訳（メタデータ） (2023-12-11T13:03:29Z)
• 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)
• DreamIdentity: Improved Editability for Efficient Face-identity Preserved Image Generation [69.16517915592063]
  人間の顔の正確な表現を学習するための新しい顔識別エンコーダを提案する。 また、モデルの編集可能性を高めるために、自己拡張編集可能性学習を提案する。 我々の手法は、異なるシーン下でより高速にアイデンティティ保存された画像を生成することができる。
  論文  参考訳（メタデータ） (2023-07-01T11:01:17Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• 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)
• 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)
• Generating Person Images with Appearance-aware Pose Stylizer [66.44220388377596]
  本稿では,人物のポーズや外見に基づいてリアルな人物画像を生成する,新しいエンドツーエンドフレームワークを提案する。 本フレームワークのコアとなるのは、ターゲットポーズと条件付き人物の外観を段階的に結合して人体画像を生成する、APS(Appearance-aware Pose Stylizer)と呼ばれる新しいジェネレータである。
  論文  参考訳（メタデータ） (2020-07-17T15:58:05Z)
• Lifespan Age Transformation Synthesis [40.963816368819415]
  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。
  論文  参考訳（メタデータ） (2020-03-21T22:48:06Z)

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。