論文の概要: LPFF: A Portrait Dataset for Face Generators Across Large Poses

• arxiv url: http://arxiv.org/abs/2303.14407v1
• Date: Sat, 25 Mar 2023 09:07:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-28 19:50:42.875253
• Title: LPFF: A Portrait Dataset for Face Generators Across Large Poses
• Title（参考訳）: LPFF:巨大なポジショナリーにまたがるフェイスジェネレータのポートレートデータセット
• Authors: Yiqian Wu, Jing Zhang, Hongbo Fu, Xiaogang Jin
• Abstract要約: 提案するLPFFは,高品質な実像画像19,590枚からなる大規模なFlickr顔データセットである。 我々はデータセットを利用して、大規模な顔画像を処理する2Dフェイスジェネレータと、リアルな人間の顔形状を生成する3D認識ジェネレータを訓練する。
• 参考スコア（独自算出の注目度）: 38.03149794607065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The creation of 2D realistic facial images and 3D face shapes using generative networks has been a hot topic in recent years. Existing face generators exhibit exceptional performance on faces in small to medium poses (with respect to frontal faces) but struggle to produce realistic results for large poses. The distorted rendering results on large poses in 3D-aware generators further show that the generated 3D face shapes are far from the distribution of 3D faces in reality. We find that the above issues are caused by the training dataset's pose imbalance. In this paper, we present LPFF, a large-pose Flickr face dataset comprised of 19,590 high-quality real large-pose portrait images. We utilize our dataset to train a 2D face generator that can process large-pose face images, as well as a 3D-aware generator that can generate realistic human face geometry. To better validate our pose-conditional 3D-aware generators, we develop a new FID measure to evaluate the 3D-level performance. Through this novel FID measure and other experiments, we show that LPFF can help 2D face generators extend their latent space and better manipulate the large-pose data, and help 3D-aware face generators achieve better view consistency and more realistic 3D reconstruction results.
• Abstract（参考訳）: 生成ネットワークを用いた2次元現実的な顔画像と3次元顔形状の作成は近年ホットな話題となっている。 既存の顔生成装置は、(正面の顔に関して)中小のポーズで顔に例外的なパフォーマンスを示すが、大きなポーズで現実的な結果を生み出すのに苦労している。 3d認識生成装置における大きなポーズの歪んだレンダリング結果により、生成された3d顔形状は現実の3d顔の分布に遠く及ばないことが示される。 上記の問題は、トレーニングデータセットのポーズの不均衡によって引き起こされる。 本稿では,高品質な実像画像19,590枚からなる大規模なFlickr顔データセットであるLPFFを提案する。 このデータセットを用いて,大規模な顔画像を処理する2次元顔生成器と,リアルな顔形状を生成する3次元認識生成器を訓練する。 ポーズ条件の3D対応ジェネレータをよりよく評価するために,我々は新しいFID尺度を開発し,その3Dレベルの性能を評価する。 この新たなFID測定および他の実験により、LPFFは2次元顔生成装置の潜伏空間を拡大し、大規模データを操作するのに役立ち、3次元顔生成装置がより良い視界一貫性とよりリアルな3次元再構成結果を得るのに役立ちます。

関連論文リスト

• GETAvatar: Generative Textured Meshes for Animatable Human Avatars [69.56959932421057]
  高品質なジオメトリとテクスチャを備えたアニマタブルな人体アバターを製作することを目的とした,3D対応フルボディヒューマンジェネレーションの課題について検討した。 アニマタブルなヒトアバターの3Dレンダリングを直接生成する生成モデルであるGETAvatarを提案する。
  論文  参考訳（メタデータ） (2023-10-04T10:30:24Z)
• AniPortraitGAN: Animatable 3D Portrait Generation from 2D Image Collections [78.81539337399391]
  顔の表情, 頭部ポーズ, 肩の動きを制御可能なポートレート画像を生成するアニマタブルな3D認識型GANを提案する。 これは、3Dやビデオデータを使用しない非構造化2次元画像コレクションで訓練された生成モデルである。 生成した顔の質を向上させるために,デュアルカメラレンダリングと対角学習方式を提案する。
  論文  参考訳（メタデータ） (2023-09-05T12:44:57Z)
• Towards Realistic Generative 3D Face Models [41.574628821637944]
  本稿では,高品質なアルベドと精密な3次元形状を生成するために,3次元制御可能な顔モデルを提案する。 2次元顔生成モデルとセマンティック顔操作を組み合わせることで、詳細な3次元顔の編集を可能にする。
  論文  参考訳（メタデータ） (2023-04-24T22:47:52Z)
• RAFaRe: Learning Robust and Accurate Non-parametric 3D Face Reconstruction from Pseudo 2D&3D Pairs [13.11105614044699]
  単視3次元顔再構成(SVFR)のための頑健で正確な非パラメトリック手法を提案する。 大規模な擬似2D&3Dデータセットは、まず詳細な3D顔をレンダリングし、野生の画像の顔と描画された顔とを交換することによって作成される。 本モデルは,FaceScape-wild/labおよびMICCベンチマークにおいて,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-10T19:40:26Z)
• Generating 2D and 3D 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、人口の比率の高い顔認証をパスする顔画像である。 2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。 3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
  論文  参考訳（メタデータ） (2022-11-25T09:15:38Z)
• AniFaceGAN: Animatable 3D-Aware Face Image Generation for Video Avatars [71.00322191446203]
  2D生成モデルは、異なるカメラ視点で画像をレンダリングする際に、しばしば望ましくないアーティファクトに悩まされる。 近年,3次元シーン表現を活用することで,3次元カメラポーズのゆがみを明示するために2次元GANを拡張している。 マルチビュー一貫した顔アニメーション生成のためのアニマタブルな3D対応GANを提案する。
  論文  参考訳（メタデータ） (2022-10-12T17:59:56Z)
• OSTeC: One-Shot Texture Completion [86.23018402732748]
  ワンショット3D顔テクスチャ補完のための教師なしアプローチを提案する。 提案手法では,2次元フェースジェネレータで回転画像を再構成することにより,入力画像を3次元で回転させ,見えない領域を埋め込む。 完成したテクスチャーをジェネレーターに投影することで、ターゲットイメージを先取りします。
  論文  参考訳（メタデータ） (2020-12-30T23:53:26Z)
• Reconstructing A Large Scale 3D Face Dataset for Deep 3D Face Identification [9.159921061636695]
  本稿では,2次元支援型深部3次元顔認証の枠組みを提案する。 特に,大規模な2次元顔データベースから数百万の3次元顔スキャンを再構築することを提案する。 提案手法はFRGC v2.0, Bosphorus, BU-3DFEの3次元顔データベース上で, 最先端のランク1スコアを実現する。
  論文  参考訳（メタデータ） (2020-10-16T13:48:38Z)

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。