論文の概要: Evolutionary latent space search for driving human portrait generation

• arxiv url: http://arxiv.org/abs/2204.11887v1
• Date: Mon, 25 Apr 2022 18:00:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 12:14:26.804959
• Title: Evolutionary latent space search for driving human portrait generation
• Title（参考訳）: 人間の肖像画生成のための進化的潜時空間探索
• Authors: Benjam\'in Mach\'in, Sergio Nesmachnow, Jamal Toutouh
• Abstract要約: 本稿では, 生成的対角ネットワークに基づく合成ヒトの肖像画生成のための進化的アプローチを提案する。 本研究は,顔認識システムのセキュリティ向上に寄与することができる。
• 参考スコア（独自算出の注目度）: 0.6875312133832078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article presents an evolutionary approach for synthetic human portraits generation based on the latent space exploration of a generative adversarial network. The idea is to produce different human face images very similar to a given target portrait. The approach applies StyleGAN2 for portrait generation and FaceNet for face similarity evaluation. The evolutionary search is based on exploring the real-coded latent space of StyleGAN2. The main results over both synthetic and real images indicate that the proposed approach generates accurate and diverse solutions, which represent realistic human portraits. The proposed research can contribute to improving the security of face recognition systems.
• Abstract（参考訳）: 本稿では, 生成的対向ネットワークの潜時空間探索に基づく, 合成ヒトの肖像画生成のための進化的アプローチを提案する。 そのアイデアは、対象の肖像画と非常によく似た、異なる人間の顔画像を作ることだ。 このアプローチは、ポートレート生成にStyleGAN2、顔類似性評価にFaceNetを適用する。 進化的探索はstylegan2のリアルタイムな潜在空間を探索することに基づいている。 合成画像と実画像の両方に対する主な結果は、提案手法がリアルな人間の肖像画を表す正確で多様な解を生成することを示している。 本研究は,顔認識システムのセキュリティ向上に寄与することができる。

関連論文リスト

• Single Image, Any Face: Generalisable 3D Face Generation [59.9369171926757]
  我々は,制約のない単一画像入力を伴う3次元顔を生成する新しいモデルGen3D-Faceを提案する。 私たちの知る限りでは、これは1枚の画像からフォトリアリスティックな3D顔アバターを作るための最初の試みであり、ベンチマークである。
  論文  参考訳（メタデータ） (2024-09-25T14:56:37Z)
• VIGFace: Virtual Identity Generation for Privacy-Free Face Recognition [13.81887339529775]
  VIGFaceは合成顔画像を生成する新しいフレームワークである。 プライバシーや肖像画の権利を気にすることなく、仮想顔画像を作成することができる。 既存のイメージを組み込んだ効果的な拡張手法として機能する。
  論文  参考訳（メタデータ） (2024-03-13T06:11:41Z)
• CapHuman: Capture Your Moments in Parallel Universes [60.06408546134581]
  CapHumanという新しいフレームワークを紹介します。 CapHumanはアイデンティティ機能をエンコードし、それを潜在空間に整列させることを学ぶ。 モデルに人間の頭部を柔軟で3D一貫性のある方法で制御させる前に、3D顔を導入する。
  論文  参考訳（メタデータ） (2024-02-01T14:41:59Z)
• FaceChain: A Playground for Human-centric Artificial Intelligence Generated Content [36.48960592782015]
  FaceChainは、パーソナライズされたポートレート生成フレームワークで、一連のカスタマイズされた画像生成モデルと、顔に関連する知覚理解モデルの豊富なセットを組み合わせる。 我々は、複数のSOTAフェイスモデルを生成手順に注入し、従来のソリューションと比較して、より効率的なラベルタグ付け、データ処理、モデル後処理を実現する。 FaceChainをベースとして、仮想トライオンや2Dトーキングヘッドなど、その価値をよりよく示すための、より広いグラウンドを構築するためのいくつかのアプリケーションも開発しています。
  論文  参考訳（メタデータ） (2023-08-28T02:20:44Z)
• Controlling Memorability of Face Images [5.000272778136267]
  本稿では,顔画像の記憶性を変化させ,制御するための高速なアプローチを提案する。 われわれはまず、StyleGANの潜在空間に超平面を発見し、高解像度と低解像度の記憶可能な画像を分離した。 今回我々は,StyleGAN拡張潜伏空間の異なる層が顔の記憶にどう寄与するかを解析した。
  論文  参考訳（メタデータ） (2022-02-24T04:33:55Z)
• GAN-generated Faces Detection: A Survey and New Perspectives [48.596997330548]
  GAN(Generative Adversarial Networks)は、非常にリアルな顔画像を生成する。 対応するGAN顔検出技術は、このような偽の顔を調べ、暴露することのできる活発な開発が進められている。 我々は、GANモデルから生成または合成された顔画像を検出する方法に焦点を当てる。
  論文  参考訳（メタデータ） (2022-02-15T02:36:56Z)
• Graph-based Generative Face Anonymisation with Pose Preservation [49.18049578591058]
  AnonyGANは、顔の匿名化のためのGANベースのソリューションである。 ソースアイデンティティに対応する視覚情報を、任意の単一のイメージとして提供される条件IDに置き換える。
  論文  参考訳（メタデータ） (2021-12-10T12:58:17Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
  マスターフェイス(英: master face)とは、人口の大部分が顔に基づくアイデンティティ認証を通した顔画像である。 そこで我々は,StyleGANフェイスジェネレータの潜伏埋め込み空間における進化的アルゴリズムを用いて,これらの顔の最適化を行う。
  論文  参考訳（メタデータ） (2021-08-01T12:55:23Z)
• More Real than Real: A Study on Human Visual Perception of Synthetic Faces [7.25613186882905]
  本稿では,最先端のジェネレーティブ・ディバイザリー・ネットワークが生み出した合成顔画像にボランティアが露出する知覚実験について述べる。 実験結果から、現代のAIによって生成された合成顔と実際の顔を区別する人間の能力に疑問を投げかけるべきかどうかが明らかになる。
  論文  参考訳（メタデータ） (2021-06-14T08:27:25Z)

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。