論文の概要: MFIM: Megapixel Facial Identity Manipulation
- arxiv url: http://arxiv.org/abs/2308.01536v1
- Date: Thu, 3 Aug 2023 04:36:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-04 15:15:55.563291
- Title: MFIM: Megapixel Facial Identity Manipulation
- Title（参考訳）: MFIM:メガピクセルの顔認証操作
- Authors: Sanghyeon Na
- Abstract要約: 我々はMegapixel Facial Identity Manipulation (MFIM)と呼ばれる新しい顔スワッピングフレームワークを提案する。
提案モデルは,GAN変換方式で事前学習したStyleGANを利用して,メガピクセル画像の効率よく生成する。
実験により,本モデルが最先端の性能を達成することを示す。
- 参考スコア（独自算出の注目度）: 0.6091702876917281
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face swapping is a task that changes a facial identity of a given image to
that of another person. In this work, we propose a novel face-swapping
framework called Megapixel Facial Identity Manipulation (MFIM). The
face-swapping model should achieve two goals. First, it should be able to
generate a high-quality image. We argue that a model which is proficient in
generating a megapixel image can achieve this goal. However, generating a
megapixel image is generally difficult without careful model design. Therefore,
our model exploits pretrained StyleGAN in the manner of GAN-inversion to
effectively generate a megapixel image. Second, it should be able to
effectively transform the identity of a given image. Specifically, it should be
able to actively transform ID attributes (e.g., face shape and eyes) of a given
image into those of another person, while preserving ID-irrelevant attributes
(e.g., pose and expression). To achieve this goal, we exploit 3DMM that can
capture various facial attributes. Specifically, we explicitly supervise our
model to generate a face-swapped image with the desirable attributes using
3DMM. We show that our model achieves state-of-the-art performance through
extensive experiments. Furthermore, we propose a new operation called ID
mixing, which creates a new identity by semantically mixing the identities of
several people. It allows the user to customize the new identity.
- Abstract（参考訳）: 顔スワップ(英: face swapping)とは、ある人物の顔のアイデンティティを他人の顔に変更するタスクである。
本稿では,Megapixel Facial Identity Manipulation (MFIM) と呼ばれる新しい顔スワッピングフレームワークを提案する。
フェイススワッピングモデルは2つの目標を達成するべきです。
まず、高品質な画像を生成することができるべきです。
我々は、メガピクセル画像の生成に熟練したモデルがこの目標を達成することができると論じる。
しかし、メガピクセル画像の生成は、慎重なモデル設計なしには一般に困難である。
そこで本モデルは,GAN変換方式で事前学習したStyleGANを利用してメガピクセル画像を生成する。
第二に、与えられた画像のアイデンティティを効果的に変換できること。
具体的には、特定の画像のID属性(例えば、顔の形や目)を他人の属性に積極的に変換し、ID非関連属性(例えば、ポーズや表情)を保存できるべきである。
この目的を達成するために、様々な顔属性をキャプチャできる3dmmを利用する。
具体的には, 3DMMを用いて, 望ましい属性を持つ顔認識画像を生成するために, モデルを明確に監督する。
実験により,本モデルが最先端の性能を達成することを示す。
さらに,複数の人物の身元を意味的に混合したIDミキシングという新たな操作を提案する。
ユーザーは新しいIDをカスタマイズできる。
関連論文リスト
- Vec2Face: Scaling Face Dataset Generation with Loosely Constrained Vectors [19.02273216268032]
Vec2Faceは、サンプルベクターのみを入力として使用する総合モデルである。
Vec2Faceは顔画像再構成によって管理されており、推論に便利に使用できる。
Vec2Faceは、1500万枚の画像を含む3万個のIDを効率的に合成している。
論文 参考訳（メタデータ） (2024-09-04T17:59:51Z) - Arc2Face: A Foundation Model for ID-Consistent Human Faces [95.00331107591859]
Arc2Faceは、ID条件のフェイスファンデーションモデルである。
既存のモデルと無矛盾の顔類似度で、多様なフォトリアリスティック画像を生成することができる。
論文 参考訳（メタデータ） (2024-03-18T10:32:51Z) - StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。
私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
論文 参考訳（メタデータ） (2024-01-29T09:06:15Z) - 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) - Face Transformer: Towards High Fidelity and Accurate Face Swapping [54.737909435708936]
Face swappingは、ソース顔の同一性とターゲット顔の属性を融合させるスワップ画像を生成することを目的としている。
本稿では,顔の同一性と対象属性を同時に正確に保存できる新しい顔交換ネットワークであるFace Transformerを提案する。
論文 参考訳（メタデータ） (2023-04-05T15:51:44Z) - GMFIM: A Generative Mask-guided Facial Image Manipulation Model for
Privacy Preservation [0.7734726150561088]
入力顔画像に知覚不可能な編集を適用するために,GANをベースとしたマスク誘導顔画像マニピュレーションモデルを提案する。
我々のモデルは、最先端の手法と比較して、自動顔認識システムに対してより良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-01-10T14:09:14Z) - A Systematical Solution for Face De-identification [6.244117712209321]
異なるタスクにおいて、人々は顔の特定(De-ID)に様々な要件を持つ
本稿では,これらのDe-ID操作に適合する系統的解を提案する。
本手法は,様々な方法で顔データを柔軟に識別し,画像の画質が向上する。
論文 参考訳（メタデータ） (2021-07-19T02:02:51Z) - SimSwap: An Efficient Framework For High Fidelity Face Swapping [43.59969679039686]
我々は,汎用的で忠実な顔交換を目的とした,Simple Swap (SimSwap) と呼ばれる効率的なフレームワークを提案する。
本フレームワークでは,対象顔の属性を保存しながら,任意の元顔の同一性を任意の対象顔に転送することができる。
我々のSimSwapは、従来の最先端手法よりも優れた属性を保ちながら、競争力のあるアイデンティティ性能を達成することができることを示した。
論文 参考訳（メタデータ） (2021-06-11T12:23:10Z) - One Shot Face Swapping on Megapixels [65.47443090320955]
本稿では,顔面スワッピング(略してMegaFS)における最初のメガピクセルレベル法を提案する。
本手法の成功に対する3つの新しい貢献は,顔の完全な表現,安定したトレーニング,限られたメモリ使用量である。
論文 参考訳（メタデータ） (2021-05-11T10:41:47Z) - DotFAN: A Domain-transferred Face Augmentation Network for Pose and
Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。
DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。
実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文 参考訳（メタデータ） (2020-02-23T08:16:34Z)
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。