論文の概要: Controllable and Gradual Facial Blemishes Retouching via Physics-Based Modelling

• arxiv url: http://arxiv.org/abs/2406.13227v1
• Date: Wed, 19 Jun 2024 05:28:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 23:09:15.526557
• Title: Controllable and Gradual Facial Blemishes Retouching via Physics-Based Modelling
• Title（参考訳）: 物理モデルによる制御可能な顔のブレンディッシュ
• Authors: Chenhao Shuai, Rizhao Cai, Bandara Dissanayake, Amanda Newman, Dayan Guan, Dennis Sng, Ling Li, Alex Kot,
• Abstract要約: CGFR 我々のCGFRは物理的モデリングに基づいており、メラニンとヘモグロビンの色空間における皮膚下散乱を近似するために、Sum-of-Gaussianを採用している。 実際の臨床データに基づく実験結果は、CGFRがブレンディッシュの段階的回復過程を現実的にシミュレートできることを示している。
• 参考スコア（独自算出の注目度）: 13.692701572821262
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face retouching aims to remove facial blemishes, such as pigmentation and acne, and still retain fine-grain texture details. Nevertheless, existing methods just remove the blemishes but focus little on realism of the intermediate process, limiting their use more to beautifying facial images on social media rather than being effective tools for simulating changes in facial pigmentation and ance. Motivated by this limitation, we propose our Controllable and Gradual Face Retouching (CGFR). Our CGFR is based on physical modelling, adopting Sum-of-Gaussians to approximate skin subsurface scattering in a decomposed melanin and haemoglobin color space. Our CGFR offers a user-friendly control over the facial blemishes, achieving realistic and gradual blemishes retouching. Experimental results based on actual clinical data shows that CGFR can realistically simulate the blemishes' gradual recovering process.
• Abstract（参考訳）: 顔のリタッチは、顔の顔色やアシネなどのフレッシュを除去することを目的としており、微粒なテクスチャの細部を保っている。 それにもかかわらず、既存の方法は単にブレンディッシュを除去するだけでなく、中間プロセスのリアリズムにはほとんど焦点を合わせておらず、顔の顔の顔の顔色や祖先の変化をシミュレートする効果的なツールとしてではなく、ソーシャルメディア上での顔画像の美化により多くの使用を制限している。 本研究は,この制限を前提として,制御可能・グラダルフェイスリタッチ (CGFR) を提案する。 我々のCGFRは物理的モデリングに基づいており、分解メラニンとヘモグロビンの色空間における皮膚下散乱を近似するために、Sum-of-Gaussianを用いている。 我々のCGFRは、顔のブレンディッシュをユーザフレンドリーにコントロールし、リアルで段階的なブレンディッシュのリタッチを実現します。 実際の臨床データに基づく実験結果は、CGFRがブレンディッシュの段階的回復過程を現実的にシミュレートできることを示している。

関連論文リスト

• Realistic and Efficient Face Swapping: A Unified Approach with Diffusion Models [69.50286698375386]
  フェース・スワッピングのための拡散モデルを改善する新しい手法を提案する。 インペイントトレーニング中にマスクシャッフル技術を導入し、スワップのためのいわゆるユニバーサルモデルを作成することができる。 私たちのアプローチは比較的統一されたアプローチなので、他のオフザシェルフモデルのエラーに対して耐性があります。
  論文  参考訳（メタデータ） (2024-09-11T13:43:53Z)
• A Generalist FaceX via Learning Unified Facial Representation [77.74407008931486]
  FaceXは、多様な顔タスクを同時に処理できる新しい顔ジェネラリストモデルである。 汎用的なFaceXは、一般的な顔編集タスクの精巧なタスク特化モデルと比較して、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-12-31T17:41:48Z)
• Evaluating the Efficacy of Skincare Product: A Realistic Short-Term Facial Pore Simulation [68.06388750609058]
  本研究では,スキンケア製品を用いた顔の毛穴変化を明らかにするための最初のシミュレーションモデルを提案する。 提案したシミュレーションは、現実的な顔の毛穴の変化を表現できる。
  論文  参考訳（メタデータ） (2023-02-23T12:00:15Z)
• Enhancing Quality of Pose-varied Face Restoration with Local Weak Feature Sensing and GAN Prior [29.17397958948725]
  本稿では,前向きに顔の再生を行うブラインド・フェイス・リカバリ・ネットワークを提案する。 我々のモデルは、顔の復元や顔の超解像処理において、従来の技術よりも優れている。
  論文  参考訳（メタデータ） (2022-05-28T09:23:48Z)
• Total Scale: Face-to-Body Detail Reconstruction from Sparse RGBD Sensors [52.38220261632204]
  PIFuをベースとした再建術では, 顔面の平坦化が頻発する。 再建した顔のディテールの質を高めるために,2段階のPIFu表現を提案する。 顔の鮮明な細部と身体形状の変形におけるアプローチの有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2021-12-03T18:46:49Z)
• MOST-GAN: 3D Morphable StyleGAN for Disentangled Face Image Manipulation [69.35523133292389]
  本稿では,顔の物理的属性を明示的にモデル化するフレームワークを提案する。 提案手法であるMOST-GANは,GANの表現力と光リアリズムを,非線形3次元形態素モデルの物理的ゆがみおよび柔軟性と統合する。 ポートレート画像の物理的特性を完全に3D制御する写真リアルな操作を実現し、照明の極端な操作、表情、およびフルプロファイルビューまでのポーズのバリエーションを可能にする。
  論文  参考訳（メタデータ） (2021-11-01T15:53:36Z)
• Guided Facial Skin Color Correction [21.70829294686434]
  肖像画では、照明環境のために肌の色が歪むことが多い。 本フレームワークでは,原画像の顔の周囲の色と明るさの補正を行い,適切な色バランスを実現する。 従来の色補正アルゴリズムとは異なり、最終結果はガイド画像による色補正によって達成される。
  論文  参考訳（メタデータ） (2021-05-19T09:59:55Z)
• Towards Real-World Blind Face Restoration with Generative Facial Prior [19.080349401153097]
  盲目の顔の復元は通常、現実的で忠実な詳細を復元するために、顔の形状の事前または参照などの顔の優先度に依存します。 本稿では,前訓練顔GANにカプセル化される多彩で多様な前駆体を利用してブラインドフェイス修復を行うGFP-GANを提案する。 本手法は,合成データと実世界データの両方において,先行技術よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-01-11T17:54:38Z)
• Leveraging Adaptive Color Augmentation in Convolutional Neural Networks for Deep Skin Lesion Segmentation [0.0]
  データ表現とモデル性能を増幅する適応色拡張手法を提案する。 正常な皮膚組織に対して皮膚病変を識別するためのネットワークによって得られた意味的構造的特徴を質的に同定し,検証した。
  論文  参考訳（メタデータ） (2020-10-31T00:16:23Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)

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。