Fugu-MT 論文翻訳(概要): Facke: a Survey on Generative Models for Face Swapping

論文の概要: Facke: a Survey on Generative Models for Face Swapping

arxiv url: http://arxiv.org/abs/2206.11203v1
Date: Wed, 22 Jun 2022 16:41:17 GMT
ステータス: 処理完了
システム内更新日: 2022-06-23 14:08:52.115875
Title: Facke: a Survey on Generative Models for Face Swapping
Title（参考訳）: facke:顔交換のための生成モデルに関する調査
Authors: Wei Jiang and Wentao Dong
Abstract要約: 顔交換作業における主観的ニューラル生成モデルの性能について検討する。既存の精巧に訓練されたモデルは、肉眼で識別できない偽の顔(Facke)を生成し、高い客観的な測定値を得ることができた。
参考スコア（独自算出の注目度）: 5.067625981075993
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we investigate into the performance of mainstream neural generative models on the very task of swapping faces. We have experimented on CVAE, CGAN, CVAE-GAN, and conditioned diffusion models. Existing finely trained models have already managed to produce fake faces (Facke) indistinguishable to the naked eye as well as achieve high objective metrics. We perform a comparison among them and analyze their pros and cons. Furthermore, we proposed some promising tricks though they do not apply to this task.
Abstract（参考訳）: 本研究では,顔交換のタスクにおいて,主流のニューラル生成モデルの性能について検討する。 CVAE,CGAN,CVAE-GAN,条件付き拡散モデルについて実験を行った。既存の精巧に訓練されたモデルは、肉眼で識別できない偽の顔(Facke)を生成し、高い客観的な測定値を得ることができた。私たちはそれらの比較を行い、彼らの長所と短所を分析します。さらに,この課題には適用されないが,有望なトリックをいくつか提案した。

関連論文リスト

OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文参考訳（メタデータ） (2024-11-26T07:07:48Z)
FRoundation: Are Foundation Models Ready for Face Recognition? [8.045296450065019]
本稿では,さまざまなレベルのデータ・アベイラビリティーにおいて,顔認識のための基礎モデルの適応性を提案し,実証する。本研究の結果は, 汎用性にもかかわらず, 事前学習した基礎モデルでは顔認識が不十分であることが示唆された。微調整ファウンデーションモデルは、トレーニングデータに制限がある場合、しばしばスクラッチからトレーニングされたモデルを上回る、有望な結果をもたらす。
論文参考訳（メタデータ） (2024-10-31T11:21:21Z)
LLM-Assisted Red Teaming of Diffusion Models through "Failures Are Fated, But Can Be Faded" [7.736445799116692]
『失敗は太っているが、消えることがある』は、事前学習された世代モデルにおける失敗の状況を探究し、構築するための枠組みである。発見された障害モードから離れることで、障害状況の再構築をより望ましいものにする方法を示します。
論文参考訳（メタデータ） (2024-10-22T06:46:09Z)
Fine-Tuning Image-Conditional Diffusion Models is Easier than You Think [53.2706196341054]
認識された非効率性は、これまで気付かれなかった推論パイプラインの欠陥によって引き起こされたことを示している。タスク固有の損失を伴う単一ステップモデル上でエンドツーエンドの微調整を行い、他の拡散に基づく深さモデルや正規推定モデルよりも優れた決定論的モデルを得る。
論文参考訳（メタデータ） (2024-09-17T16:58:52Z)
Realistic and Efficient Face Swapping: A Unified Approach with Diffusion Models [69.50286698375386]
フェース・スワッピングのための拡散モデルを改善する新しい手法を提案する。インペイントトレーニング中にマスクシャッフル技術を導入し、スワップのためのいわゆるユニバーサルモデルを作成することができる。私たちのアプローチは比較的統一されたアプローチなので、他のオフザシェルフモデルのエラーに対して耐性があります。
論文参考訳（メタデータ） (2024-09-11T13:43:53Z)
Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文参考訳（メタデータ） (2024-09-02T22:35:03Z)
Generalized Face Liveness Detection via De-spoofing Face Generator [58.7043386978171]
以前のFace Anti-Spoofing (FAS) の作業は、目に見えない領域における一般化という課題に直面している。 De-spoofing Face Generator (DFG) によるモデル一般化を改善するために, 現実の顔を利用する Anomalous cue Guided FAS (AG-FAS) 方式を実行する。次に,Anomalous cue Guided FAS feature extract Network (AG-Net)を提案する。
論文参考訳（メタデータ） (2024-01-17T06:59:32Z)
Simultaneous face detection and 360 degree headpose estimation [0.0]
顔検出モデルから抽出した特徴を利用するマルチタスクネットモデルを提案する。マルチタスク学習手法を用いることで、マルチタスクネットモデルは人間の頭の位置と方向を同時に予測できる。
論文参考訳（メタデータ） (2021-11-23T01:56:10Z)
The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文参考訳（メタデータ） (2020-09-15T09:25:37Z)

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。