論文の概要: Face Identity-Aware Disentanglement in StyleGAN
- arxiv url: http://arxiv.org/abs/2309.12033v1
- Date: Thu, 21 Sep 2023 12:54:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 15:17:58.010880
- Title: Face Identity-Aware Disentanglement in StyleGAN
- Title(参考訳): スタイルガンにおける顔のアイデンティティ・アウェアな絡み合い
- Authors: Adrian Suwa{\l}a, Bartosz W\'ojcik, Magdalena Proszewska, Jacek Tabor,
Przemys{\l}aw Spurek, Marek \'Smieja
- Abstract要約: StyleGANのプラグインであるPluGeN4Facesを導入する。
実験の結果,PluGeN4Facesによる顔属性の修正は,既存の最先端モデルに比べて画像の残像特性が有意に低侵襲であることがわかった。
- 参考スコア(独自算出の注目度): 15.753131748318335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conditional GANs are frequently used for manipulating the attributes of face
images, such as expression, hairstyle, pose, or age. Even though the
state-of-the-art models successfully modify the requested attributes, they
simultaneously modify other important characteristics of the image, such as a
person's identity. In this paper, we focus on solving this problem by
introducing PluGeN4Faces, a plugin to StyleGAN, which explicitly disentangles
face attributes from a person's identity. Our key idea is to perform training
on images retrieved from movie frames, where a given person appears in various
poses and with different attributes. By applying a type of contrastive loss, we
encourage the model to group images of the same person in similar regions of
latent space. Our experiments demonstrate that the modifications of face
attributes performed by PluGeN4Faces are significantly less invasive on the
remaining characteristics of the image than in the existing state-of-the-art
models.
- Abstract(参考訳): 条件付きGANは、表情、髪型、ポーズ、年齢などの顔画像の属性を操作するために頻繁に使用される。
最先端のモデルは要求された属性を修正できたが、人物のアイデンティティなど、画像の他の重要な特性を同時に修正した。
本稿では、styleganのプラグインであるplugen4facesを導入することで、この問題を解決することに焦点を当てる。
私たちの重要なアイデアは、映画フレームから取得した画像に対して、ある人物がさまざまなポーズで、異なる属性で現れるトレーニングを行うことです。
コントラスト的損失のタイプを適用することで、同じ人物のイメージを潜在空間の類似領域にグループ化するモデルを奨励する。
実験により,PluGeN4Facesによる顔属性の修正は,既存の最先端モデルよりも画像の残像特性に対して有意に侵襲性が低いことが示された。
関連論文リスト
- FlashFace: Human Image Personalization with High-fidelity Identity Preservation [59.76645602354481]
FlashFaceを使うと、ユーザーは自分の写真を簡単にパーソナライズできる。
我々のアプローチは、高忠実度ID保存とより良い指示に従うことによって、既存の人間の写真カスタマイズ方法と区別できる。
論文 参考訳(メタデータ) (2024-03-25T17:59:57Z) - When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for
Personalized Image Generation [60.305112612629465]
テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。
本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。
提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
論文 参考訳(メタデータ) (2023-11-29T09:05:14Z) - Subjective Face Transform using Human First Impressions [5.026535087391025]
この研究は生成モデルを用いて、認識属性を変更する顔画像に意味論的に意味のある編集を見つける。
我々は、実際の顔と合成顔のトレーニングを行い、予測モデルと人間の評価を用いてドメイン内画像とドメイン外画像の評価を行う。
論文 参考訳(メタデータ) (2023-09-27T03:21:07Z) - 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) - StyleMask: Disentangling the Style Space of StyleGAN2 for Neural Face
Reenactment [47.27033282706179]
本研究では,顔の特徴をそのポーズから切り離すフレームワークを提案する。
提案手法は, 極端なポーズ変動であっても, 高品質な結果が得られることを示す。
論文 参考訳(メタデータ) (2022-09-27T13:22:35Z) - Explaining Bias in Deep Face Recognition via Image Characteristics [9.569575076277523]
2つのデータセットのセキュリティとユーザビリティの観点から,10種類の最先端の顔認識モデルを評価し,その妥当性を比較した。
次に,画像特性がモデル性能に与える影響を解析する。
論文 参考訳(メタデータ) (2022-08-23T17:18:23Z) - Graph-based Generative Face Anonymisation with Pose Preservation [49.18049578591058]
AnonyGANは、顔の匿名化のためのGANベースのソリューションである。
ソースアイデンティティに対応する視覚情報を、任意の単一のイメージとして提供される条件IDに置き換える。
論文 参考訳(メタデータ) (2021-12-10T12:58:17Z) - Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo
Collection [65.92058628082322]
非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。
本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-15T03:10:17Z) - Face Age Progression With Attribute Manipulation [11.859913430860335]
FAWAM (Face Age Progression with Attribute Manipulation) を提唱する。
タスクをボトムアップ方式で,顔年齢の進行と顔属性の操作という2つのサブモジュールとして扱う。
顔の老化には、年齢に応じた顔の変化をモデル化できるピラミッド生成対向ネットワークを備えた属性意識型顔の老化モデルを用いる。
論文 参考訳(メタデータ) (2021-06-14T18:26:48Z) - VAE/WGAN-Based Image Representation Learning For Pose-Preserving
Seamless Identity Replacement In Facial Images [15.855376604558977]
We present a novel variational generative adversarial network (VGAN) based on Wasserstein loss。
我々のネットワークは、ポーズ保存されたアイデンティティ・モーフィングとアイデンティティ保存されたポーズ・モーフィングの実行に利用できることを示す。
論文 参考訳(メタデータ) (2020-03-02T03:35:59Z)
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。