論文の概要: Face2Face: Label-driven Facial Retouching Restoration

• arxiv url: http://arxiv.org/abs/2404.14177v1
• Date: Mon, 22 Apr 2024 13:49:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 13:56:54.390306
• Title: Face2Face: Label-driven Facial Retouching Restoration
• Title（参考訳）: Face2Face:ラベル駆動の顔のリタッチ
• Authors: Guanhua Zhao, Yu Gu, Xuhan Sheng, Yujie Hu, Jian Zhang,
• Abstract要約: 顔画像を変更することで、ユーザは容易に偽画像を作成することができ、偽情報の拡散につながる。 これは、アイデンティティ認証システムやソーシャルメディアの信頼性に課題を生じさせ、さらにはオンライン詐欺にも繋がる可能性がある。 我々はFace2Faceと呼ばれるフレームワークを提案し、顔のリタッチ検出装置、FaceRと呼ばれる画像復元モデル、H-AdaINと呼ばれる色補正モジュールの3つのコンポーネントで構成されている。
• 参考スコア（独自算出の注目度）: 8.01225897515609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the popularity of social media platforms such as Instagram and TikTok, and the widespread availability and convenience of retouching tools, an increasing number of individuals are utilizing these tools to beautify their facial photographs. This poses challenges for fields that place high demands on the authenticity of photographs, such as identity verification and social media. By altering facial images, users can easily create deceptive images, leading to the dissemination of false information. This may pose challenges to the reliability of identity verification systems and social media, and even lead to online fraud. To address this issue, some work has proposed makeup removal methods, but they still lack the ability to restore images involving geometric deformations caused by retouching. To tackle the problem of facial retouching restoration, we propose a framework, dubbed Face2Face, which consists of three components: a facial retouching detector, an image restoration model named FaceR, and a color correction module called Hierarchical Adaptive Instance Normalization (H-AdaIN). Firstly, the facial retouching detector predicts a retouching label containing three integers, indicating the retouching methods and their corresponding degrees. Then FaceR restores the retouched image based on the predicted retouching label. Finally, H-AdaIN is applied to address the issue of color shift arising from diffusion models. Extensive experiments demonstrate the effectiveness of our framework and each module.
• Abstract（参考訳）: InstagramやTikTokなどのソーシャルメディアプラットフォームの人気や、リタッチツールの普及と利便性により、顔写真の美化にこれらのツールを利用している人が増えている。 これは、アイデンティティ検証やソーシャルメディアなど、写真の真正性に高い要求を課す分野に課題を提起する。 顔画像を変更することで、ユーザは容易に偽画像を作成することができ、偽情報の拡散につながる。 これは、アイデンティティ認証システムやソーシャルメディアの信頼性に課題を生じさせ、さらにはオンライン詐欺にも繋がる可能性がある。 この問題に対処するため、一部の研究では化粧品の除去方法を提案しているが、リタッチによる幾何学的変形を含む画像の復元能力は依然として欠如している。 顔リタッチ修復の課題に対処するために,顔リタッチ検出器,FaceRという画像復元モデル,階層適応インスタンス正規化(H-AdaIN)と呼ばれる色補正モジュールの3つのコンポーネントからなるFace2Faceというフレームワークを提案する。 まず、顔リタッチ検出器は、3つの整数を含むリタッチラベルを予測し、リタッチ方法とその対応する度合いを示す。 そして、FaceRは予測されたリタッチラベルに基づいてリタッチされた画像を復元する。 最後に,H-AdaINを用いて拡散モデルから生じる色変化の問題に対処する。 大規模な実験は、我々のフレームワークと各モジュールの有効性を実証する。

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)
• Face Anonymization Made Simple [44.24233169815565]
  現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。 対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。 本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-11-01T17:45:21Z)
• Effective Adapter for Face Recognition in the Wild [72.75516495170199]
  私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。 従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。 高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
  論文  参考訳（メタデータ） (2023-12-04T08:55:46Z)
• FaceChain: A Playground for Human-centric Artificial Intelligence Generated Content [36.48960592782015]
  FaceChainは、パーソナライズされたポートレート生成フレームワークで、一連のカスタマイズされた画像生成モデルと、顔に関連する知覚理解モデルの豊富なセットを組み合わせる。 我々は、複数のSOTAフェイスモデルを生成手順に注入し、従来のソリューションと比較して、より効率的なラベルタグ付け、データ処理、モデル後処理を実現する。 FaceChainをベースとして、仮想トライオンや2Dトーキングヘッドなど、その価値をよりよく示すための、より広いグラウンドを構築するためのいくつかのアプリケーションも開発しています。
  論文  参考訳（メタデータ） (2023-08-28T02:20:44Z)
• RetouchingFFHQ: A Large-scale Dataset for Fine-grained Face Retouching Detection [25.08843970102635]
  大規模かつきめ細かい顔リタッチデータセットであるRetouchingFFHQを紹介する。 4種類の顔リタッチ操作と異なる顔リタッチレベルを含むことにより、両顔リタッチ検出を細粒度、マルチリタッチ型、マルチリタッチレベル推定問題に拡張する。
  論文  参考訳（メタデータ） (2023-07-20T07:12:56Z)
• 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)
• Photorealistic Facial Wrinkles Removal [2.6949002029513163]
  我々は,顔のしわを修復するための2段階のアプローチを再検討し,前例のない現実主義による結果を得た。 塗布後のしわを含む領域をペナルティ化するために、ひび割れ分割網を再利用する新たな損失項を導入する。 本手法を質的,定量的に評価し,シワ除去作業における術式の現状を示した。
  論文  参考訳（メタデータ） (2022-11-03T16:09:51Z)
• 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)
• Pixel Sampling for Style Preserving Face Pose Editing [53.14006941396712]
  ジレンマを解くための新しい2段階のアプローチとして,顔のポーズ操作のタスクを顔に塗布する手法を提案する。 入力面から画素を選択的にサンプリングし、その相対位置をわずかに調整することにより、顔編集結果は、画像スタイルとともにアイデンティティ情報を忠実に保持する。 3D顔のランドマークをガイダンスとして、3自由度(ヨー、ピッチ、ロール)で顔のポーズを操作できるので、より柔軟な顔のポーズ編集が可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:29:29Z)
• FaceController: Controllable Attribute Editing for Face in the Wild [74.56117807309576]
  単純なフィードフォワードネットワークを提案し、高忠実度な顔を生成する。 本手法では,既存かつ容易に把握可能な事前情報を利用することで,野生の多様な顔属性の制御,転送,編集を行うことができる。 本手法では,3Dプリミティブを用いてアイデンティティ,表現,ポーズ,イルミネーションを分離し,地域別スタイルコードを用いてテクスチャとカラーを分離する。
  論文  参考訳（メタデータ） (2021-02-23T02:47:28Z)

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。