一种面向图像与视频域的新换脸方法：技术报告
计算机视觉与模式识别
2022-02-08 v1
摘要
深度伪造技术在过去几年成为研究热点。研究者探究复杂的生成对抗网络（GAN）、自编码器及其他方法，以建立精确且鲁棒的换脸算法。已有成果表明，深度伪造无监督合成任务在生成数据的视觉质量方面存在问题。当专家分析时，这些问题通常导致较高的伪造检测准确率。第一个问题是，现有的图像到图像方法未考虑视频域特性，逐帧处理导致脸部抖动及其他明显可见的畸变。另一个问题是生成数据的分辨率，由于高计算复杂度，许多现有方法的分辨率较低。第三个问题出现在源人脸比例较大（如脸颊较宽）时，替换后在脸部边界处变得可见。我们的主要目标是开发一种能够解决这些问题并在若干线索指标上超越现有方案的方法。我们引入了一种基于FaceShifter架构并修复上述问题的新换脸流程。通过新的眼部损失函数、超分辨率模块以及基于高斯的人脸掩码生成，质量得到提升，这一点在评估中得到了证实。
引用
@article{arxiv.2202.03046,
title = {A new face swap method for image and video domains: a technical report},
author = {Daniil Chesakov and Anastasia Maltseva and Alexander Groshev and Andrey Kuznetsov and Denis Dimitrov},
journal= {arXiv preprint arXiv:2202.03046},
year = {2022}
}