論文の概要: Lipstick ain't enough: Beyond Color Matching for In-the-Wild Makeup Transfer

• arxiv url: http://arxiv.org/abs/2104.01867v1
• Date: Mon, 5 Apr 2021 12:12:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 14:32:34.950614
• Title: Lipstick ain't enough: Beyond Color Matching for In-the-Wild Makeup Transfer
• Title（参考訳）: 口紅が足りなくなっちゃう? メイクアップのカラーマッチング
• Authors: Thao Nguyen, Anh Tran, Minh Hoai
• Abstract要約: 上記のすべてのメークコンポーネントを扱える総合的なメークトランスファーフレームワークを提案します。 改良されたカラー転送ブランチと新しいパターン転送ブランチで構成され、すべてのメイクアップ特性を学習する。 私達のフレームワークはライトおよび極度の構造の様式の芸術の性能の状態を達成します。
• 参考スコア（独自算出の注目度）: 20.782984081934213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Makeup transfer is the task of applying on a source face the makeup style from a reference image. Real-life makeups are diverse and wild, which cover not only color-changing but also patterns, such as stickers, blushes, and jewelries. However, existing works overlooked the latter components and confined makeup transfer to color manipulation, focusing only on light makeup styles. In this work, we propose a holistic makeup transfer framework that can handle all the mentioned makeup components. It consists of an improved color transfer branch and a novel pattern transfer branch to learn all makeup properties, including color, shape, texture, and location. To train and evaluate such a system, we also introduce new makeup datasets for real and synthetic extreme makeup. Experimental results show that our framework achieves the state of the art performance on both light and extreme makeup styles. Code is available at https://github.com/VinAIResearch/CPM.
• Abstract（参考訳）: メークアップ転送とは、参照画像からソース面にメークアップスタイルを適用する作業である。 実生活の化粧は多様で野生で、色を変えるだけでなく、ステッカー、ブラッシュ、宝石などのパターンも覆っている。 しかし、現存する作品は後者の部品を見落とし、化粧を色調に限定し、軽い化粧様式にのみ焦点をあてた。 本研究では,すべてのメークアップコンポーネントを扱える包括的メイクアップ転送フレームワークを提案する。 改良されたカラー転送ブランチと新しいパターン転送ブランチからなり、色、形状、テクスチャ、位置などすべてのメイクアップ特性を学習する。 このようなシステムを訓練し、評価するために、実物と合成の極端な化粧のための新しい化粧データセットも導入する。 実験により, 本フレームワークは, 光および極端メイクスタイルの両方において, アートパフォーマンスの状態を達成していることがわかった。 コードはhttps://github.com/VinAIResearch/CPMで入手できる。

関連論文リスト

• Stable-Makeup: When Real-World Makeup Transfer Meets Diffusion Model [35.01727715493926]
  現在のメークアップ転送方式は単純なメイクスタイルに限られており、現実のシナリオでは適用が困難である。 本研究では,多様な現実世界の化粧品を堅牢に転写できる新しい拡散型化粧品転写法であるStable-Makeupを紹介する。
  論文  参考訳（メタデータ） (2024-03-12T15:53:14Z)
• PaletteNeRF: Palette-based Appearance Editing of Neural Radiance Fields [60.66412075837952]
  本稿では,3次元色分解に基づくニューラルラジアンスフィールド(NeRF)の出現編集手法であるPaletteNeRFを提案する。 提案手法は,各3次元点の出現を,パレットベースによる線形結合に分解する。 我々は、セマンティック・アウェアな外観編集のためのセマンティック機能を圧縮したフレームワークを拡張した。
  論文  参考訳（メタデータ） (2022-12-21T00:20:01Z)
• BeautyREC: Robust, Efficient, and Content-preserving Makeup Transfer [73.39598356799974]
  本稿では,Robust,Efficient,Component-specific makeup transfer法(略して BeautyREC)を提案する。 参照画像のメイクスタイルを直接対応するコンポーネントに転送するコンポーネント固有の対応。 補助として、Transformerの長距離視覚依存性を導入して、効率的なグローバルメイク転送を実現する。
  論文  参考訳（メタデータ） (2022-12-12T12:38:27Z)
• EleGANt: Exquisite and Locally Editable GAN for Makeup Transfer [13.304362849679391]
  EleGANt (EleGANt) を用いたエキサイティングで局所的に編集可能なGANを提案する。 顔の特徴をピラミッドの特徴マップにエンコードし、高周波情報を保存する。 EleGANtは、機能マップの対応する編集によって任意の領域でカスタマイズされたローカル編集を実現する最初の方法である。
  論文  参考訳（メタデータ） (2022-07-20T11:52:07Z)
• PSGAN++: Robust Detail-Preserving Makeup Transfer and Removal [176.47249346856393]
  PSGAN++は、細部保存メイク転送と効果的なメイク除去の両方を実行することができる。 PSGAN++はメイクアップ・ディスティル・ネットワークを使用してメイクアップ情報を抽出する。 PSGAN++は化粧品の除去のためにアイデンティティ・ディスティル・ネットワーク(Identity Distill Network)を適用し、ウィットメイクアップ画像のID情報をアイデンティティ・マトリックスに埋め込む。
  論文  参考訳（メタデータ） (2021-05-26T04:37:57Z)
• SOGAN: 3D-Aware Shadow and Occlusion Robust GAN for Makeup Transfer [68.38955698584758]
  3D-Aware Shadow and Occlusion Robust GAN (SOGAN) と呼ばれる新しいメイクアップ転送手法を提案する。 最初に3D顔モデルにフィットし、顔を形とテクスチャに切り離します。 テクスチャブランチでは、テクスチャをuv空間にマッピングし、uvテクスチャ生成器を設計してメークアップを転送する。
  論文  参考訳（メタデータ） (2021-04-21T14:48:49Z)
• MakeupBag: Disentangling Makeup Extraction and Application [0.0]
  MakeupBagは自動メイクスタイル転送のための新しい方法である。 抽出した化粧スタイルのカスタマイズと画素特異的な修正が可能である。 比較分析では、MakeupBagは現在の最先端のアプローチより優れていることが示されている。
  論文  参考訳（メタデータ） (2020-12-03T18:44:24Z)
• Cosmetic-Aware Makeup Cleanser [109.41917954315784]
  顔認証は、一対の顔画像が同一のアイデンティティに属するかどうかを判定することを目的としている。 最近の研究では、顔の化粧が検証性能に悪影響を及ぼすことが明らかになっている。 本稿では,異なるポーズや表情で顔の化粧を除去する意味認識型化粧清浄器(SAMC)を提案する。
  論文  参考訳（メタデータ） (2020-04-20T09:18:23Z)
• Local Facial Makeup Transfer via Disentangled Representation [18.326829657548025]
  そこで本稿では,顔画像の個人識別,リップメイクスタイル,アイメイクスタイル,フェイスメイクスタイルの4つの独立したコンポーネントに分割する,新しい対向ディエンタングネットワークを提案する。 我々の手法は、最先端の手法と比較して、より現実的で正確なメイク転送結果を生み出すことができる。
  論文  参考訳（メタデータ） (2020-03-27T00:25:13Z)

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。