ActGAN：灵活且高效的单样本人脸重演
计算机视觉与模式识别
2020-04-01 v1
摘要
本文引入了 ActGAN——一种用于单样本人脸重演的新型端到端生成对抗网络（GAN）。给定两张图像，目标是以具有照片级真实感的方式，将源演员的面部表情迁移到目标人物上。现有方法要求预先定义目标身份，而我们通过引入一种“多对多”方法来解决这一问题，该方法允许源和目标为任意人物，且无需额外重训。为此，我们采用特征金字塔网络（FPN）作为核心生成器构建模块——这是 FPN 在人脸重演中的首次应用，可产生更精细的结果。我们还通过采用深度人脸识别领域中最先进的方法，引入了一种在合成人物与目标人物之间保持身份的解决方案。该架构可轻松支持不同场景下的重演：在表情准确度、身份保持和整体图像质量方面的“多对多”、“一对一”和“一对另一”。我们证明了 ActGAN 在视觉质量方面与近期工作相比取得了具有竞争力的性能。
引用
@article{arxiv.2003.13840,
title = {ActGAN: Flexible and Efficient One-shot Face Reenactment},
author = {Ivan Kosarevych and Marian Petruk and Markian Kostiv and Orest Kupyn and Mykola Maksymenko and Volodymyr Budzan},
journal= {arXiv preprint arXiv:2003.13840},
year = {2020}
}
备注
accepted by IWBF2020