論文の概要: Expression-Diverse References for Identity-Preserving Video Generation

• arxiv url: http://arxiv.org/abs/2610.11023v1
• Date: Thu, 08 Oct 2026 00:15:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.712475
• Title: Expression-Diverse References for Identity-Preserving Video Generation
• Title（参考訳）: アイデンティティ保存ビデオ生成のための表現-横参照
• Abstract要約: 顔認識の類似性が表現強度によってどのように変化するかを定量化する。 軽度,強度,極度な表現に対して,アイデンティティの類似性を別々に報告する。 生成のために、Stand-Inを式-横参照セットの条件に拡張します。
• 参考スコア（独自算出の注目度）: 7.878931080952605
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Identity-preserving video generation aims to maintain a subject's identity while synthesizing realistic videos. Yet a single reference portrait captures the subject's appearance under only one facial configuration. As expressions change, facial appearance can vary in highly identity-specific ways, leaving the subject's appearance under unseen expressions underdetermined by the reference alone. This expression-dependent variation also complicates evaluation: similarity to a neutral reference may decrease under strong expressions even for real images of the same person. We investigate this limitation from both generation and evaluation perspectives. First, we quantify how face-recognition similarity varies with expression intensity using controlled photographs and MEAD videos. We then construct a compact yet expressive reference gallery that captures diverse expression-dependent facial configurations. Matching against this gallery provides a more robust measure of identity similarity under expressive motion. To further expose performance degradation with expression intensity, we report identity similarity separately for mild, intense, and extreme expressions. For generation, we extend Stand-In to condition on our expression-diverse reference sets and develop a data-curation pipeline that extracts consistent yet diverse face crops from training videos. In practical settings where only a single portrait is available, we construct the reference set by synthesizing additional expressions with a pretrained facial reenactment model. On our controlled benchmark, both real and synthesized reference sets outperform the evaluated baselines in identity similarity across all three expression-intensity regimes, with the largest improvements for extreme expressions.
• Abstract（参考訳）: アイデンティティ保存ビデオ生成は、現実的な動画を合成しながら、被験者のアイデンティティを維持することを目的としている。 しかし、単一の参照ポートレートは、被験者の外観を1つの顔構成で捉えている。 表情が変化するにつれて、顔の外観はアイデンティティに特有な方法で変化し、被験者の外観は参照のみによって決定される未確認の表現に残される。 中立参照と類似性は、同一人物の実際の画像であっても、強い表現の下で減少する可能性がある。 生成と評価の両方の観点から,この制限について検討する。 まず、制御された写真とMEADビデオを用いて、表情強度と顔認識の類似性がどのように変化するかを定量化する。 次に,表現に依存した多様な顔構成をキャプチャする,コンパクトで表現に富んだ参照ギャラリーを構築した。 このギャラリーとのマッチングは、表現運動下でのアイデンティティ類似性のより堅牢な尺度を提供する。 さらに,表現強度による性能劣化を明らかにするため,軽度,強度,極度な表現に対する識別類似性を別々に報告する。 生成のために、Stand-Inを表現の異なる参照セットの条件に拡張し、トレーニングビデオから一貫性のある多種多様な顔作物を抽出するデータキュレーションパイプラインを開発する。 一つの肖像画のみを利用できる現実的な環境では、事前訓練された顔再現モデルで追加表現を合成して参照セットを構築する。 制御されたベンチマークでは、実数および合成された参照セットは、3つの表現強度レギュレータで評価されたアイデンティティ類似性のベースラインより優れており、極端な表現の最大の改善がある。

関連論文リスト

• ID-Consistent, Precise Expression Generation with Blendshape-Guided Diffusion [40.50436862878818]
  特定の表情の被写体を忠実に再現する拡散型フレームワークを提案する。 我々のアダプタは、基本的な感情を超えて微妙なマイクロ表現と表現的遷移を一般化する。 さらに、プラグ可能な参照アダプタは、合成中に参照フレームから外観を転送することで、実画像での表現編集を可能にする。
  論文  参考訳（メタデータ） (2025-10-06T11:20:56Z)
• SEREP: Semantic Facial Expression Representation for Robust In-the-Wild Capture and Retargeting [4.083283519300837]
  セマンティックレベルで表現をアイデンティティから切り離すモデルであるSEREPを提案する。 我々は、低品質合成データを用いた新しい半教師付きスキームに基づいて、単眼画像から表現を予測するモデルを訓練する。 実験の結果、SEREPは最先端の手法よりも優れており、挑戦的な表現をキャプチャし、それらを新しいアイデンティティに転送する。
  論文  参考訳（メタデータ） (2024-12-18T22:12:28Z)
• Towards Localized Fine-Grained Control for Facial Expression Generation [54.82883891478555]
  人間、特にその顔は、豊かな表現と意図を伝える能力のために、コンテンツ生成の中心である。 現在の生成モデルは、主に平らな中立表現と文字なしの笑顔を認証なしで生成する。 顔生成における表情制御におけるAU(アクションユニット)の利用を提案する。
  論文  参考訳（メタデータ） (2024-07-25T18:29:48Z)
• 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)
• GaFET: Learning Geometry-aware Facial Expression Translation from In-The-Wild Images [55.431697263581626]
  本稿では,パラメトリックな3次元顔表現をベースとした新しい顔表情翻訳フレームワークを提案する。 我々は、最先端の手法と比較して、高品質で正確な表情伝達結果を実現し、様々なポーズや複雑なテクスチャの適用性を実証する。
  論文  参考訳（メタデータ） (2023-08-07T09:03:35Z)
• Disentangling Identity and Pose for Facial Expression Recognition [54.50747989860957]
  より識別的な特徴表現を学習するために,識別モデルを提案し,不整形表情認識(IPD-FER)モデルを提案する。 アイデンティティエンコーダでは、訓練中に訓練済みの顔認識モデルを利用して固定し、特定の表情訓練データに対する制限を軽減する。 合成された中性画像と同一個体の表情画像との差を比較することにより、表現成分はアイデンティティやポーズからさらに切り離される。
  論文  参考訳（メタデータ） (2022-08-17T06:48:13Z)
• Learning an Animatable Detailed 3D Face Model from In-The-Wild Images [50.09971525995828]
  本研究では, 実物的詳細と実物的画像から3次元顔レグレッサーを共同学習する第1の手法を提案する。 DECAモデルは、低次元の潜時表現からUV変位マップを堅牢に生成するように訓練されています。 本稿では,人固有の細部と表情依存のしわを区別する新しい細部一貫性損失を提案する。
  論文  参考訳（メタデータ） (2020-12-07T19:30:45Z)
• LEED: Label-Free Expression Editing via Disentanglement [57.09545215087179]
  LEEDフレームワークは、表現ラベルを必要とせずに、前頭顔画像とプロファイル顔画像の両方の表現を編集することができる。 2つの新たな損失は、最適な表現の切り離しと一貫した合成のために設計されている。
  論文  参考訳（メタデータ） (2020-07-17T13:36:15Z)

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。