論文の概要: Face Aging via Diffusion-based Editing

• arxiv url: http://arxiv.org/abs/2309.11321v1
• Date: Wed, 20 Sep 2023 13:47:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-21 16:01:37.374288
• Title: Face Aging via Diffusion-based Editing
• Title（参考訳）: 拡散型編集による顔の老化
• Authors: Xiangyi Chen and St\'ephane Lathuili\`ere
• Abstract要約: FAdingは,Diffusion-based editiNGによる顔の老化に対処するための新しいアプローチである。 我々は、大規模言語画像拡散モデルのリッチな事前利用により、既存の手法を超越する。 提案手法は, 経年的精度, 属性保存, 経年的品質に関して, 既存の手法よりも優れている。
• 参考スコア（独自算出の注目度）: 5.318584973533008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we address the problem of face aging: generating past or future facial images by incorporating age-related changes to the given face. Previous aging methods rely solely on human facial image datasets and are thus constrained by their inherent scale and bias. This restricts their application to a limited generatable age range and the inability to handle large age gaps. We propose FADING, a novel approach to address Face Aging via DIffusion-based editiNG. We go beyond existing methods by leveraging the rich prior of large-scale language-image diffusion models. First, we specialize a pre-trained diffusion model for the task of face age editing by using an age-aware fine-tuning scheme. Next, we invert the input image to latent noise and obtain optimized null text embeddings. Finally, we perform text-guided local age editing via attention control. The quantitative and qualitative analyses demonstrate that our method outperforms existing approaches with respect to aging accuracy, attribute preservation, and aging quality.
• Abstract（参考訳）: 本稿では,顔に年齢に伴う変化を組み込んだ顔画像の過去・将来の生成という,顔の老化の問題に対処する。 従来の老化法は人間の顔画像データセットにのみ依存しており、それ故にその固有のスケールとバイアスに制約されている。 これにより、彼らの応用範囲は限定的な年齢範囲に制限され、大きな年齢格差を処理できない。 FAdingは,Diffusion-based editiNGによる顔の老化に対処するための新しいアプローチである。 我々は、大規模言語画像拡散モデルのリッチな事前利用により、既存の手法を超越する。 まず,年齢を考慮した微調整手法を用いて,顔年齢編集作業のための事前学習拡散モデルを提案する。 次に、入力画像を潜在ノイズに反転させ、最適化されたヌルテキスト埋め込みを得る。 最後に,注意制御によるテキストガイド付き地域年齢編集を行う。 定量的および定性的な分析により,本手法は既存手法よりも老化精度,属性保存,老化品質に優れることを示した。

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)
• DiffAge3D: Diffusion-based 3D-aware Face Aging [61.3027596093854]
  本稿では,DiffAge3Dを提案する。DiffAge3Dは3D設定で忠実な老化とアイデンティティ保存を行う最初の3D対応高齢化フレームワークである。 我々のフレームワークは、トレーニング済みの3D GANを利用して、堅牢な3D対応老化データセット生成パイプラインを含む。 DiffAge3Dは既存の手法、特にマルチビューの老朽化や細部保存において優れることを示す。
  論文  参考訳（メタデータ） (2024-08-28T16:36:09Z)
• Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
  顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。 本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-03-20T13:20:14Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Continuous Face Aging Generative Adversarial Networks [11.75204350455584]
  顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。 それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。 CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
  論文  参考訳（メタデータ） (2021-02-26T06:22:25Z)
• Only a Matter of Style: Age Transformation Using a Style-Based Regression Model [46.48263482909809]
  本稿では,事前学習した未条件GANの潜在空間に実際の顔画像をエンコードする画像から画像への変換手法を提案する。 所望の年齢に対応する潜時符号を生成する際に,エンコーダを明示的に案内するために,事前学習した年齢回帰ネットワークを用いる。
  論文  参考訳（メタデータ） (2021-02-04T17:33:28Z)
• PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
  本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。 このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。 実験により,既存の (c) GANs 法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-07T05:45:13Z)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• Lifespan Age Transformation Synthesis [40.963816368819415]
  本稿では,新しい画像から画像へ生成する対向的ネットワークアーキテクチャを提案する。 我々のフレームワークは、1枚の写真から0歳から70歳までの完全な頭部像を予測できる。
  論文  参考訳（メタデータ） (2020-03-21T22:48:06Z)

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。