論文の概要: PicturePerfect: Diffusion-based Same-identity Facial Replacement
- arxiv url: http://arxiv.org/abs/2610.39344v1
- Date: Thu, 29 Oct 2026 04:33:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 00:11:16.979548
- Title: PicturePerfect: Diffusion-based Same-identity Facial Replacement
- Title（参考訳）: PicturePerfect:拡散に基づく同じアイデンティティの顔のリプレース
- Abstract要約: 本研究では,人物の肖像画と同一人物の2番目の参照画像とを入力として拡散法を提案する。
目標は、背景をそのままにして入力面を基準面にシームレスに置き換えることである。
実験により,本手法は既存の顔再現モデルよりも現実的で同一性に富んだ結果が得られることが示された。
- 参考スコア（独自算出の注目度）: 5.492425845234205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the growing success of diffusion models in computer vision, we explore their potential for same-identity facial replacement in photographs. Specifically, we propose a diffusion-based method, built on top of a pre-trained text-to-image model, that takes as input a portrait image of a person and a second reference image of the same individual, potentially captured under different conditions. The goal is to seamlessly replace the input face with the reference face, while keeping the background intact. Surprisingly, despite the clear real-world utility of this task, no recently published work has directly addressed face replacement in this specific setting. To support this goal, we construct a large dataset of image pairs depicting the same person under varying facial expressions and poses. Experimental results demonstrate that our approach produces more realistic and identity-consistent results than existing face reenactment models.
- Abstract（参考訳）: コンピュータビジョンにおける拡散モデルの成功により、写真における同一人物の顔置換の可能性を探る。
具体的には,人物の肖像画と同一人物の2番目の参照画像とを入力として,学習済みのテキスト・ツー・イメージ・モデル上に構築した拡散法を提案する。
目標は、背景をそのままにして入力面を基準面にシームレスに置き換えることである。
驚くべきことに、このタスクの現実的な実用性は明らかだが、最近発表された研究は、この特定の環境での顔の置き換えに直接対処していない。
この目的を達成するために,顔の表情やポーズの異なる人物を描いた画像ペアの大規模なデータセットを構築した。
実験により,本手法は既存の顔再現モデルよりも現実的で同一性に富んだ結果が得られることが示された。
関連論文リスト
- FaceMe: Robust Blind Face Restoration with Personal Identification [27.295878867436688]
拡散モデルに基づく顔復元手法FaceMeを提案する。
1枚または数枚の参照画像が与えられた場合、アイデンティティ関連の特徴を抽出するためにアイデンティティエンコーダを使用し、高品質な顔画像の復元において拡散モデルを導出するためのプロンプトとして機能する。
実験結果から,FaceMeは顔の良質な画像の復元が可能であり,顔認証の整合性を保ち,優れた性能とロバスト性を実現していることがわかった。
論文 参考訳（メタデータ） (2025-01-09T11:52:54Z) - 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) - 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) - 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) - 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) - FaR-GAN for One-Shot Face Reenactment [20.894596219099164]
本稿では,任意の音源の顔画像とターゲット表現のみを入力として用いた一発顔再現モデルFaR-GANを提案する。
提案手法は,音源の同一性,表情,頭部ポーズ,さらには画像背景についても仮定しない。
論文 参考訳（メタデータ） (2020-05-13T16:15:37Z) - 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。