論文の概要: PA-GAN: Progressive Attention Generative Adversarial Network for Facial
Attribute Editing
- arxiv url: http://arxiv.org/abs/2007.05892v1
- Date: Sun, 12 Jul 2020 03:04:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 05:57:37.218950
- Title: PA-GAN: Progressive Attention Generative Adversarial Network for Facial
Attribute Editing
- Title(参考訳): PA-GAN: 顔属性編集のためのプログレッシブアテンション生成支援ネットワーク
- Authors: Zhenliang He, Meina Kan, Jichao Zhang, Shiguang Shan
- Abstract要約: 顔属性編集のためのプログレッシブアテンションGAN(PA-GAN)を提案する。
提案手法は,非関連情報による属性の正確な編集を,最先端技術と比較してはるかによく保存する。
- 参考スコア(独自算出の注目度): 67.94255549416548
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Facial attribute editing aims to manipulate attributes on the human face,
e.g., adding a mustache or changing the hair color. Existing approaches suffer
from a serious compromise between correct attribute generation and preservation
of the other information such as identity and background, because they edit the
attributes in the imprecise area. To resolve this dilemma, we propose a
progressive attention GAN (PA-GAN) for facial attribute editing. In our
approach, the editing is progressively conducted from high to low feature level
while being constrained inside a proper attribute area by an attention mask at
each level. This manner prevents undesired modifications to the irrelevant
regions from the beginning, and then the network can focus more on correctly
generating the attributes within a proper boundary at each level. As a result,
our approach achieves correct attribute editing with irrelevant details much
better preserved compared with the state-of-the-arts. Codes are released at
https://github.com/LynnHo/PA-GAN-Tensorflow.
- Abstract(参考訳): 顔属性の編集は、例えば口ひげの追加や髪の色の変化など、人間の顔の属性を操作することを目的としている。
既存のアプローチは、不正確な領域の属性を編集するため、正しい属性生成とアイデンティティや背景などの他の情報の保存の間に深刻な妥協を被る。
このジレンマを解決するために,顔属性編集のためのプログレッシブアテンションGAN(PA-GAN)を提案する。
本手法では,各レベルの注意マスクにより適切な属性領域内を制約しながら,高機能レベルから低機能レベルへと編集を段階的に行う。
この方法では、望ましくない領域の変更を最初から防ぎ、ネットワークは各レベルの適切な境界内で属性を正しく生成することに集中することができる。
その結果,最新技術と比較して,無関係な詳細情報による属性編集の精度が向上した。
コードはhttps://github.com/LynnHo/PA-GAN-Tensorflowで公開されている。
関連論文リスト
- Mitigating the Impact of Attribute Editing on Face Recognition [15.168932314507366]
ローカル属性とグローバル属性の編集を行う2つの手法を提案する。
我々は、現在最先端の生成モデルを用いて、26の顔意味、人口統計、および表現に基づく属性を実証的に比較した。
本手法は,識別を維持しながら顔編集において,SOTA(BLIP, InstantID)よりも優れていた。
論文 参考訳(メタデータ) (2024-03-12T22:03:19Z) - Identity-preserving Editing of Multiple Facial Attributes by Learning
Global Edit Directions and Local Adjustments [4.082799056366928]
ID-Styleは属性操作時のID損失に対処できる新しいアーキテクチャである。
本稿では、IAIPとともに入力インスタンスの同一性を保持する半スパースな意味方向を見つけるために、LGDを強制する訓練中に2つの損失を導入する。
論文 参考訳(メタデータ) (2023-09-25T16:28:39Z) - Face Attribute Editing with Disentangled Latent Vectors [0.0]
顔属性編集のための画像から画像への変換フレームワークを提案する。
固定事前学習されたGANの潜在空間因子化作業にインスパイアされ、潜在空間因子化による属性編集を設計する。
意味的に整理された潜在空間に画像を投影するために,注意に基づくスキップ接続を備えたエンコーダデコーダアーキテクチャを構築した。
論文 参考訳(メタデータ) (2023-01-11T18:32:13Z) - ManiCLIP: Multi-Attribute Face Manipulation from Text [104.30600573306991]
テキスト記述に基づく新しい多属性顔操作法を提案する。
本手法は,テキスト関連属性の編集を最小限に抑えた自然な顔を生成する。
論文 参考訳(メタデータ) (2022-10-02T07:22:55Z) - PASS: Protected Attribute Suppression System for Mitigating Bias in Face
Recognition [55.858374644761525]
顔認識ネットワークは、識別分類のために訓練されている間、機密属性に関する情報を符号化する。
既存のバイアス緩和アプローチでは、エンドツーエンドのトレーニングが必要であり、高い精度を達成できない。
PASS(Protected Attribute Suppression System)と呼ばれる記述子に基づく逆バイアス除去手法を提案する。
パスは、以前に訓練されたハイパフォーマンスネットワークから得られた記述子を使って、アイデンティティを分類し、機密属性のエンコーディングを同時に削減することができる。
論文 参考訳(メタデータ) (2021-08-09T00:39:22Z) - FaceController: Controllable Attribute Editing for Face in the Wild [74.56117807309576]
単純なフィードフォワードネットワークを提案し、高忠実度な顔を生成する。
本手法では,既存かつ容易に把握可能な事前情報を利用することで,野生の多様な顔属性の制御,転送,編集を行うことができる。
本手法では,3Dプリミティブを用いてアイデンティティ,表現,ポーズ,イルミネーションを分離し,地域別スタイルコードを用いてテクスチャとカラーを分離する。
論文 参考訳(メタデータ) (2021-02-23T02:47:28Z) - CAFE-GAN: Arbitrary Face Attribute Editing with Complementary Attention
Feature [31.425326840578098]
本稿では,対象属性に関連する顔の部分のみを編集する新しいGANモデルを提案する。
CAFEは、目的属性と相補属性の両方を考慮し、変換すべき顔領域を特定する。
論文 参考訳(メタデータ) (2020-11-24T05:21:03Z) - SMILE: Semantically-guided Multi-attribute Image and Layout Editing [154.69452301122175]
GAN(Generative Adversarial Networks)の導入以来、属性画像操作は非常に活発な話題となっている。
対象領域の下位領域情報のみを使用しながら、ランダムノイズや画像によって誘導される全ての属性を処理するマルチモーダル表現を提案する。
本手法では,イメージを参照として,あるいはスタイル分布空間を探索することにより,細粒度や粗粒度などの属性の追加,削除,変更を行うことができる。
論文 参考訳(メタデータ) (2020-10-05T20:15:21Z) - MagGAN: High-Resolution Face Attribute Editing with Mask-Guided
Generative Adversarial Network [145.4591079418917]
MagGANは、望ましい属性変更に関連する顔の部分のみを編集することを学ぶ。
各属性変更の影響領域をジェネレータに組み込むために、新しいマスク誘導条件付け戦略を導入する。
高解像度(1024×1024$)の顔編集のために,マルチレベルパッチワイド識別器構造を提案する。
論文 参考訳(メタデータ) (2020-10-03T20:56:16Z)
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。