論文の概要: AgingMapGAN (AMGAN): High-Resolution Controllable Face Aging with
Spatially-Aware Conditional GANs
- arxiv url: http://arxiv.org/abs/2008.10960v2
- Date: Wed, 26 Aug 2020 09:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 02:59:49.400218
- Title: AgingMapGAN (AMGAN): High-Resolution Controllable Face Aging with
Spatially-Aware Conditional GANs
- Title（参考訳）: AgingMapGAN (AMGAN):空間的条件付きGANを用いた高分解能顔時効
- Authors: Julien Despois, Frederic Flament, Matthieu Perrot
- Abstract要約: 本稿では、民族固有の高齢化情報と弱い空間的監督情報を用いて、高解像度画像の外観を変化させるアプローチを提案する。
提案手法の利点は,計算オーバーヘッドを抑えつつ,高精細画像の画質,制御,および高精細画像への利用方法である。
- 参考スコア（独自算出の注目度）: 5.532477732693001
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing approaches and datasets for face aging produce results skewed
towards the mean, with individual variations and expression wrinkles often
invisible or overlooked in favor of global patterns such as the fattening of
the face. Moreover, they offer little to no control over the way the faces are
aged and can difficultly be scaled to large images, thus preventing their usage
in many real-world applications. To address these limitations, we present an
approach to change the appearance of a high-resolution image using
ethnicity-specific aging information and weak spatial supervision to guide the
aging process. We demonstrate the advantage of our proposed method in terms of
quality, control, and how it can be used on high-definition images while
limiting the computational overhead.
- Abstract（参考訳）: 顔の老化のための既存のアプローチとデータセットは、平均に向かって歪んだ結果を生み出し、個々のバリエーションと表現のしわは、しばしば目に見えないか見過ごされ、顔の脂肪化のようなグローバルパターンが好まれる。
さらに、顔の老化をほとんど、あるいはまったくコントロールできないため、大規模な画像にスケールアップすることが難しく、現実世界のアプリケーションでの使用を妨げている。
これらの制約に対処するため,民族固有の高齢化情報と空間監督の弱さを用いて高解像度画像の外観を変える手法を提案する。
提案手法は,高精細画像に対して,計算オーバーヘッドを制限しながら,その品質,制御,利用方法について,その利点を実証する。
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) - 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) - Identity-Preserving Aging of Face Images via Latent Diffusion Models [22.2699253042219]
顔画像の老化・老化に対する遅延テキスト・ツー・イメージ拡散モデルの提案, 評価, 評価を行った。
我々のモデルは、数発の訓練で成功し、直感的なテキストプロンプトによって制御できることのメリットが加わった。
論文 参考訳（メタデータ） (2023-07-17T15:57:52Z) - Conditioning Diffusion Models via Attributes and Semantic Masks for Face
Generation [1.104121146441257]
深層生成モデルは、現実的な顔の画像を生成する素晴らしい結果を示している。
GANはセマンティックマスクで条件付きで高品質で高忠実な画像を生成することができたが、それでも出力を多様化する能力は欠けていた。
本稿では,属性とセマンティックマスクの両方を利用した多条件拡散モデルの提案を行い,高品質で制御可能な顔画像を生成する。
論文 参考訳（メタデータ） (2023-06-01T17:16:37Z) - 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) - LR-to-HR Face Hallucination with an Adversarial Progressive
Attribute-Induced Network [67.64536397027229]
顔の超解像は難しい問題であり、非常に不適切な問題である。
顔の特徴を取り入れたエンドツーエンドのプログレッシブ・ラーニング・フレームワークを提案する。
提案手法は,他の最先端アプローチよりも良好な顔幻覚像が得られることを示す。
論文 参考訳（メタデータ） (2021-09-29T19:50:45Z) - Simultaneous Face Hallucination and Translation for Thermal to Visible
Face Verification using Axial-GAN [74.22129648654783]
低分解能熱画像から熱可視面検証のタスクを紹介します。
本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
論文 参考訳（メタデータ） (2021-04-13T22:34:28Z) - 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) - Deep Learning-based Face Super-resolution: A Survey [78.11274281686246]
顔の超解像、別名顔の幻覚は、ドメイン固有のイメージの超解像問題です。
現在、深層学習に基づく顔の超解像に関する研究の要約は少ない。
本調査では,超解像面における深層学習の手法を体系的に総合的に検討する。
論文 参考訳（メタデータ） (2021-01-11T08:17:11Z) - 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) - HiFaceGAN: Face Renovation via Collaborative Suppression and
Replenishment [63.333407973913374]
フェース・リノベーション(FR)は意味誘導型生成問題である。
HiFaceGANは、複数のネストされたCSRユニットを含む多段階フレームワークである。
合成画像と実顔画像の両方の実験により,HiFaceGANの優れた性能が確認された。
論文 参考訳（メタデータ） (2020-05-11T11:33:17Z)
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。