論文の概要: Diverse and Lifespan Facial Age Transformation Synthesis with Identity Variation Rationality Metric

• arxiv url: http://arxiv.org/abs/2401.14036v1
• Date: Thu, 25 Jan 2024 09:26:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-26 15:08:25.062231
• Title: Diverse and Lifespan Facial Age Transformation Synthesis with Identity Variation Rationality Metric
• Title（参考訳）: アイデンティティ変動合理性指標を用いた多様かつ寿命の顔面年齢変換合成
• Authors: Jiu-Cheng Xie, Jun Yang, Wenqing Wang, Feng Xu, Hao Gao
• Abstract要約: 本稿では,人間の顔上でのディバース・ライフスパン・エイジ・トランスフォーメーションを実現するアルゴリズムであるDLAT+を紹介する。 モデルに埋め込まれた多様性のメカニズムとは別に、複数の一貫性の制限が活用され、反ファクト的な老化合成を防ぐことができる。
• 参考スコア（独自算出の注目度）: 14.139807463289042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face aging has received continuous research attention over the past two decades. Although previous works on this topic have achieved impressive success, two longstanding problems remain unsettled: 1) generating diverse and plausible facial aging patterns at the target age stage; 2) measuring the rationality of identity variation between the original portrait and its syntheses with age progression or regression. In this paper, we introduce DLAT + , the first algorithm that can realize Diverse and Lifespan Age Transformation on human faces, where the diversity jointly manifests in the transformation of facial textures and shapes. Apart from the diversity mechanism embedded in the model, multiple consistency restrictions are leveraged to keep it away from counterfactual aging syntheses. Moreover, we propose a new metric to assess the rationality of Identity Deviation under Age Gaps (IDAG) between the input face and its series of age-transformed generations, which is based on statistical laws summarized from plenty of genuine face-aging data. Extensive experimental results demonstrate the uniqueness and effectiveness of our method in synthesizing diverse and perceptually reasonable faces across the whole lifetime.
• Abstract（参考訳）: 過去20年間、顔の老化は継続的な研究の注目を集めてきた。 この話題に関する以前の研究は目覚ましい成功を収めたものの、2つの長年の問題は未解決のままである。 1) 対象年齢における多様で多彩な顔の老化パターンの生成 2) 年齢の進行又は回帰に伴う原像とその合成との同一性の変化の合理性を測定する。 本稿では、顔のテクスチャや形状の変換において、その多様性を共同で表わす人間の顔の多様性と寿命化を実現する最初のアルゴリズムであるdlat + を提案する。 モデルに埋め込まれた多様性のメカニズムとは別に、複数の一貫性の制約が活用され、反事実的な老化合成から遠ざけられます。 さらに, 実年齢データから要約された統計法則に基づいて, 入力面と年齢変化世代間の年齢差(idag)下での同一性偏差の合理性を評価するための新しい指標を提案する。 広範な実験結果から, 生涯にわたる多様で知覚的に妥当な顔の合成における一意性と有効性が示された。

関連論文リスト

• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• ConsistentID: Portrait Generation with Multimodal Fine-Grained Identity Preserving [66.09976326184066]
  ConsistentIDは、微細なマルチモーダル顔のプロンプト下での多彩な画像生成のための革新的な手法である。 我々は、50万以上の顔画像を持つ、きめ細かいポートレートデータセットFGIDを提示し、既存の顔データセットよりも多様性と包括性を提供する。
  論文  参考訳（メタデータ） (2024-04-25T17:23:43Z)
• 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)
• Disentangled Lifespan Face Synthesis [100.29058545878341]
  ライフスパン顔合成(LFS)モデルは、1つのスナップショットのみを基準として、人の人生全体の写真リアル顔画像のセットを作成することを目的としている。 対象年齢コードから生成された顔画像は, 形状やテクスチャの生鮮やかな変換によって, 年齢に敏感に反映されることが期待される。 これは、エンコーダから形状、テクスチャ、アイデンティティの特徴を別々に抽出することで達成される。
  論文  参考訳（メタデータ） (2021-08-05T22:33:14Z)
• When Age-Invariant Face Recognition Meets Face Age Synthesis: A Multi-Task Learning Framework [20.579282497730944]
  MTLFaceは、顔合成を楽しみながら、年齢不変のアイデンティティ関連表現を学習することができる。 グループレベルのfasを実現する従来のone-hotエンコーディングとは対照的に,アイデンティティレベルfasを実現するための新しいid条件モジュールを提案する。 5つのベンチマーククロスエイジデータセットに対する大規模な実験は、提案したMTLFaceの優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T07:03:27Z)
• 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)
• 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)
• Age-Oriented Face Synthesis with Conditional Discriminator Pool and Adversarial Triplet Loss [39.94126642748073]
  本稿では,強い恒常性を持つ高合成精度を実現するために,年齢指向の顔合成タスクを提案する。 本手法は,複数の識別器からなる新しいコンディションディスクリミネータプール(CDP)を用いて,モード崩壊問題に対処する。 高い恒常性を実現するために,本手法では,新しい逆三重項損失を用いる。
  論文  参考訳（メタデータ） (2020-07-01T22:18:21Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)

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。