論文の概要: Neural Alignment for Face De-pixelization

• arxiv url: http://arxiv.org/abs/2009.13856v1
• Date: Tue, 29 Sep 2020 08:29:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 05:08:24.026006
• Title: Neural Alignment for Face De-pixelization
• Title（参考訳）: 顔デピクセル化のための神経アライメント
• Authors: Maayan Shuvi, Noa Fish, Kfir Aberman, Ariel Shamir, Daniel Cohen-Or
• Abstract要約: 顔画像から高解像度映像を再構成する簡単な方法を提案する。 実験では、オリジナルビデオのかなり良い近似を匿名性を損なう方法で再構成できることを示しました。
• 参考スコア（独自算出の注目度）: 46.57077539961045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a simple method to reconstruct a high-resolution video from a face-video, where the identity of a person is obscured by pixelization. This concealment method is popular because the viewer can still perceive a human face figure and the overall head motion. However, we show in our experiments that a fairly good approximation of the original video can be reconstructed in a way that compromises anonymity. Our system exploits the simultaneous similarity and small disparity between close-by video frames depicting a human face, and employs a spatial transformation component that learns the alignment between the pixelated frames. Each frame, supported by its aligned surrounding frames, is first encoded, then decoded to a higher resolution. Reconstruction and perceptual losses promote adherence to the ground-truth, and an adversarial loss assists in maintaining domain faithfulness. There is no need for explicit temporal coherency loss as it is maintained implicitly by the alignment of neighboring frames and reconstruction. Although simple, our framework synthesizes high-quality face reconstructions, demonstrating that given the statistical prior of a human face, multiple aligned pixelated frames contain sufficient information to reconstruct a high-quality approximation of the original signal.
• Abstract（参考訳）: 本稿では,人物の身元がピクセル化によってぼやけている顔映像から高解像度映像を再構成する簡易な手法を提案する。 この隠蔽法は、視聴者がまだ人間の顔像と全体の頭部の動きを知覚できるので人気がある。 しかし、我々の実験では、オリジナルビデオのかなり良い近似を匿名性を損なう方法で再構成できることが示されている。 本システムでは,人間の顔を描いた近距離映像フレーム間の同時的類似性と小さな相違を生かし,画素フレーム間のアライメントを学習する空間変換成分を用いる。 各フレームは周囲のフレームでサポートされ、まずエンコードされ、その後より高解像度にデコードされる。 再構築と知覚的損失は、地対地への執着を促進し、敵対的損失は、ドメインの忠実性を維持するのに役立つ。 隣接フレームのアライメントや再構築によって暗黙的に維持されるため、明示的な時間的コヒーレンシー損失は不要である。 この枠組みは,人間の顔の統計的先行を考慮すれば,複数の画素フレームが,原信号の高品質な近似を再構築するのに十分な情報を含むことを示す。

関連論文リスト

• Kalman-Inspired Feature Propagation for Video Face Super-Resolution [78.84881180336744]
  時間前に安定した顔を維持するための新しい枠組みを導入する。 カルマンフィルタの原理は,従来の復元フレームからの情報を用いて,現在のフレームの復元過程をガイドし,調整することができる。 ビデオフレーム間で顔の細部を連続的にキャプチャする手法の有効性を実験により実証した。
  論文  参考訳（メタデータ） (2024-08-09T17:57:12Z)
• Beyond Alignment: Blind Video Face Restoration via Parsing-Guided Temporal-Coherent Transformer [21.323165895036354]
  そこで本稿では,新しいパーシング誘導時間コヒーレントトランス (PGTFormer) を用いた最初のブラインドビデオ顔復元手法を提案する。 具体的には、時間空間ベクトル量子化オートエンコーダを高品質なビデオ顔データセット上で事前訓練し、表現的文脈に富む先行情報を抽出する。 この戦略はアーチファクトを減らし、顔の事前調整による累積誤差によるジッタを緩和する。
  論文  参考訳（メタデータ） (2024-04-21T12:33:07Z)
• Parametric Reshaping of Portraits in Videos [24.428095383264456]
  本研究では,映像中のポートレートを再現し,スムーズな修正結果を生成するための,頑健で使いやすいパラメトリック手法を提案する。 入力されたポートレートビデオは,2つの主要なステージ – 安定した顔再構成と連続的なビデオ再構成 – から構成される。 第2段階では、まず、顔の重量変化を反映したパラメトリック・リフォーミングモデルを用いて、再構成された3次元面を再構成し、その形状を変えて映像フレームの変形を誘導する。
  論文  参考訳（メタデータ） (2022-05-05T09:55:16Z)
• SelfRecon: Self Reconstruction Your Digital Avatar from Monocular Video [48.23424267130425]
  SelfReconは、単眼で回転する人間のビデオから、時空のコヒーレントなジオメトリを復元する。 明示的な方法は与えられたシーケンスに対して事前定義されたテンプレートメッシュを必要とするが、テンプレートは特定の対象に対して取得が難しい。 インプリシット法は任意の位相をサポートし、連続的な幾何学的表現により高品質である。
  論文  参考訳（メタデータ） (2022-01-30T11:49:29Z)
• UniFaceGAN: A Unified Framework for Temporally Consistent Facial Video Editing [78.26925404508994]
  我々は,UniFaceGANと呼ばれる時間的に一貫した顔画像編集フレームワークを提案する。 本フレームワークは,顔交換と顔再現を同時に行うように設計されている。 現状の顔画像編集法と比較すると,本フレームワークはより写実的で時間的に滑らかな映像像を生成する。
  論文  参考訳（メタデータ） (2021-08-12T10:35:22Z)
• Inverting Generative Adversarial Renderer for Face Reconstruction [58.45125455811038]
  本稿では,GAR(Generative Adversa Renderer)について紹介する。 GARは、グラフィックルールに頼るのではなく、複雑な現実世界のイメージをモデル化することを学ぶ。 本手法は,複数顔再構成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-06T04:16:06Z)
• Consistent Video Depth Estimation [57.712779457632024]
  モノクロ映像中の全画素に対して, 密度, 幾何的に整合した深度を再構成するアルゴリズムを提案する。 動画中の画素の幾何的制約を確立するために、従来の動きから再構成した構造を利用する。 我々のアルゴリズムは、手持ちの映像をある程度のダイナミックな動きで処理することができる。
  論文  参考訳（メタデータ） (2020-04-30T17:59:26Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。