論文の概要: Neural Implicit Morphing of Face Images

• arxiv url: http://arxiv.org/abs/2308.13888v1
• Date: Sat, 26 Aug 2023 14:12:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 18:28:23.291969
• Title: Neural Implicit Morphing of Face Images
• Title（参考訳）: 顔画像の神経的暗黙的モーフィング
• Authors: Guilherme Schardong, Tiago Novello, Daniel Perazzo, Hallison Paz, Iurii Medvedev, Luiz Velho, Nuno Gon\c{c}alves
• Abstract要約: 顔のフォーミングは、ポーズ、照明、性別、民族性の違いによって、非常に難しい。 本稿では,座標に基づくニューラルネットワークを用いて,顔画像の歪みやブレンドを表現することを提案する。
• 参考スコア（独自算出の注目度）: 0.8026588319629526
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face morphing is one of the seminal problems in computer graphics, with numerous artistic and forensic applications. It is notoriously challenging due to pose, lighting, gender, and ethnicity variations. Generally, this task consists of a warping for feature alignment and a blending for a seamless transition between the warped images. We propose to leverage coordinate-based neural networks to represent such warpings and blendings of face images. During training, we exploit the smoothness and flexibility of such networks, by combining energy functionals employed in classical approaches without discretizations. Additionally, our method is time-dependent, allowing a continuous warping, and blending of the target images. During warping inference, we need both direct and inverse transformations of the time-dependent warping. The first is responsible for morphing the target image into the source image, while the inverse is used for morphing in the opposite direction. Our neural warping stores those maps in a single network due to its inversible property, dismissing the hard task of inverting them. The results of our experiments indicate that our method is competitive with both classical and data-based neural techniques under the lens of face-morphing detection approaches. Aesthetically, the resulting images present a seamless blending of diverse faces not yet usual in the literature.
• Abstract（参考訳）: フェイスフォーミングはコンピュータグラフィックスにおける基本的な問題の一つであり、多くの芸術的および法医学的応用がある。 ポーズ、ライティング、性別、民族性の違いが原因で、非常に難しい。 一般に、このタスクは特徴アライメントのためのワープと、歪んだ画像間のシームレスな遷移のためのブレンディングで構成される。 本稿では,座標に基づくニューラルネットワークを用いて顔画像の歪みやブレンドを表現することを提案する。 学習中,古典的アプローチで用いられるエネルギー汎関数を離散化せずに組み合わせることで,ネットワークの滑らかさと柔軟性を生かした。 さらに,本手法は時間依存であり,連続的なワープと,対象画像のブレンディングを可能にする。 ウォーピング推論の間、時間依存のウォーピングの直接変換と逆変換の両方が必要である。 第一は対象画像をソースイメージにモーフィングする責任を負い、逆は反対方向のモーフィングに使用される。 私たちのニューラルウォーピングは、その不可逆性のため、それらのマップを単一のネットワークに保存します。 実験の結果,本手法は,顔形態検出アプローチのレンズ下において,古典的およびデータに基づくニューラル技術と競合することが示唆された。 美学的には、結果のイメージは、文学においてまだ普通ではない多様な顔のシームレスなブレンドを示す。

関連論文リスト

• Cross-Image Attention for Zero-Shot Appearance Transfer [68.43651329067393]
  画像間の意味的対応を暗黙的に確立するクロスイメージアテンション機構を導入する。 ノイズの多い潜在コードを操作する3つのメカニズムと、デノナイジングプロセスを通してモデルの内部表現を利用する。 実験により,本手法は多種多様な対象カテゴリに対して有効であり,形状,大きさ,視点の変動に頑健であることが示された。
  論文  参考訳（メタデータ） (2023-11-06T18:33:24Z)
• MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
  顔変形に対するスタイルGANベースのアプローチが主要な技術である。 本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
  論文  参考訳（メタデータ） (2023-02-18T19:09:11Z)
• Adversarially Perturbed Wavelet-based Morphed Face Generation [16.98806338782858]
  モールフド画像は、顔認識システムを騙して、複数の人を誤って受け入れる。 画像合成が簡単になるにつれて、研究コミュニティの利用可能なデータを拡張することが不可欠である。 両方の手法を用いて、FERET, FRGC, FRLLデータセットから高品質な逆向き摂動を生成する。
  論文  参考訳（メタデータ） (2021-11-03T01:18:29Z)
• FT-TDR: Frequency-guided Transformer and Top-Down Refinement Network for Blind Face Inpainting [77.78305705925376]
  ブラインド・フェイス・インペインティング(ブラインド・フェイス・インペインティング)とは、顔画像の劣化した領域を明確に示さずに、視覚コンテンツを再構築する作業である。 本稿では、これらの課題に対処するために、周波数誘導変換器とTop-Down Refinement Network(FT-TDR)と呼ばれる新しい2段階ブラインドフェイス塗装法を提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:12:01Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• Encoding Robustness to Image Style via Adversarial Feature Perturbations [72.81911076841408]
  我々は、画像画素ではなく特徴統計を直接摂動することで、頑健なモデルを生成することで、敵の訓練に適応する。 提案手法であるAdvBN(Adversarial Batch Normalization)は,トレーニング中に最悪の機能摂動を発生させる単一ネットワーク層である。
  論文  参考訳（メタデータ） (2020-09-18T17:52:34Z)
• Neural Crossbreed: Neural Based Image Metamorphosis [11.357156231073862]
  本稿では,入力画像の意味的変化を潜時空間で学習し,モーフィング効果を生み出すフィードフォワードニューラルネットワークを提案する。 ネットワークは意味的変化を学習するため、ユーザが明示的な対応を指定せずに意味のある中間画像のシーケンスを生成することができる。
  論文  参考訳（メタデータ） (2020-09-02T08:56:47Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。