論文の概要: Identity and Attribute Preserving Thumbnail Upscaling
- arxiv url: http://arxiv.org/abs/2105.14609v1
- Date: Sun, 30 May 2021 19:32:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-02 08:35:17.956233
- Title: Identity and Attribute Preserving Thumbnail Upscaling
- Title（参考訳）: Thumbnail upscaling のアイデンティティと属性保存
- Authors: Noam Gat, Sagie Benaim, Lior Wolf
- Abstract要約: 我々は、人物の低解像度サムネイル画像を高解像度画像にアップスケールする作業を検討し、その人物のアイデンティティやその他の属性を保存する。
以上の結果から,顔の類似性認識とルックアライズ生成の改善に加えて,入力サムネイルのアイデンティティを保ち,人種や属性を維持できる高解像度画像を生成する能力の向上が示唆された。
- 参考スコア（独自算出の注目度）: 93.38607559281601
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the task of upscaling a low resolution thumbnail image of a
person, to a higher resolution image, which preserves the person's identity and
other attributes. Since the thumbnail image is of low resolution, many higher
resolution versions exist. Previous approaches produce solutions where the
person's identity is not preserved, or biased solutions, such as predominantly
Caucasian faces. We address the existing ambiguity by first augmenting the
feature extractor to better capture facial identity, facial attributes (such as
smiling or not) and race, and second, use this feature extractor to generate
high-resolution images which are identity preserving as well as conditioned on
race and facial attributes. Our results indicate an improvement in face
similarity recognition and lookalike generation as well as in the ability to
generate higher resolution images which preserve an input thumbnail identity
and whose race and attributes are maintained.
- Abstract（参考訳）: 我々は、人物の低解像度サムネイル画像を高解像度画像にアップスケールする作業を検討し、その人物のアイデンティティやその他の属性を保存する。
サムネイル画像は解像度が低いため、多くの高解像度版が存在する。
以前のアプローチでは、人のアイデンティティが保存されないようなソリューションや、主にコーカサス的顔のような偏ったソリューションを生み出している。
まず、顔の識別性、顔の属性(笑顔の有無など)、人種をよりよく捉えるために特徴抽出器を増強し、次に、この機能抽出器を使用して、アイデンティティを保存し、人種や顔の属性を条件とした高解像度画像を生成することにより、既存の曖昧さに対処する。
以上の結果から,顔の類似性認識とルックアライズ生成の改善に加えて,入力サムネイルのアイデンティティを保ち,人種や属性を維持できる高解像度画像を生成する能力の向上が示唆された。
関連論文リスト
- Adversarial Identity Injection for Semantic Face Image Synthesis [6.763801424109435]
我々は、顔を生成するためにアイデンティティ、スタイル、セマンティック特徴をマージするクロスアテンション機構を利用するSISアーキテクチャを提案する。
実験結果から,提案手法は識別情報の保存に適するだけでなく,顔認識対向攻撃にも有効であることが判明した。
論文 参考訳（メタデータ） (2024-04-16T09:19:23Z) - When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for
Personalized Image Generation [60.305112612629465]
テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。
本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。
提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
論文 参考訳（メタデータ） (2023-11-29T09:05:14Z) - 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) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳（メタデータ） (2023-03-20T17:34:05Z) - StyleID: Identity Disentanglement for Anonymizing Faces [4.048444203617942]
この論文の主な貢献は、フィーチャ保存の匿名化フレームワークであるStyleIDの設計である。
コントリビューションの一環として,新しいアンタングル化指標,補足的アンタングル化法,およびアイデンティティ・アンタングル化に関する新たな知見を提示する。
StyleIDはチューナブルなプライバシを提供し、計算の複雑さが低く、現在の最先端ソリューションを上回っている。
論文 参考訳（メタデータ） (2022-12-28T12:04:24Z) - FICGAN: Facial Identity Controllable GAN for De-identification [34.38379234653657]
本稿では,プライバシー保護を確実にした高品質な顔画像を生成するための顔識別制御可能GAN(FICGAN)を提案する。
この分析に基づいて,顔画像上の非同一性属性から同一性属性をアンタングル化することを学ぶ,自己エンコーダに基づく条件生成モデルであるFICGANを開発した。
論文 参考訳（メタデータ） (2021-10-02T07:09:27Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-02T02:29:24Z) - Face Anonymization by Manipulating Decoupled Identity Representation [5.26916168336451]
本稿では,顔画像の識別情報をわずかな修正で漏洩から保護する手法を提案する。
具体的には、生成的敵ネットワークの力を利用する他の顔属性と同一性表現を分離する。
モデルの不整合性を回避し、匿名性生成(AIG)を効果的に行う手法を提案する。
論文 参考訳（メタデータ） (2021-05-24T07:39:54Z) - Attributes Aware Face Generation with Generative Adversarial Networks [133.44359317633686]
AFGANと呼ばれる生成対向ネットワークを用いた新しい属性認識顔画像生成法を提案する。
3つの積み重ねたジェネレータは、それぞれ64ドル640ドル、128ドル128ドル、256ドル256ドルの解像度の顔画像を生成する。
さらに、生成した画像と入力属性の相関性を高めるために、画像-属性マッチング損失を提案する。
論文 参考訳（メタデータ） (2020-12-03T09:25:50Z) - VAE/WGAN-Based Image Representation Learning For Pose-Preserving
Seamless Identity Replacement In Facial Images [15.855376604558977]
We present a novel variational generative adversarial network (VGAN) based on Wasserstein loss。
我々のネットワークは、ポーズ保存されたアイデンティティ・モーフィングとアイデンティティ保存されたポーズ・モーフィングの実行に利用できることを示す。
論文 参考訳（メタデータ） (2020-03-02T03:35:59Z)
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。