DeepFaceLab：集成化、灵活且可扩展的换脸框架
计算机视觉与模式识别
2024-09-05 v5 机器学习
多媒体
图像与视频处理
摘要
深度伪造防御不仅需要检测方面的研究，也需要生成方法的努力。然而，当前的深度伪造方法受限于不清晰的工作流程与较差的性能。为解决此问题，我们提出 DeepFaceLab，即当前主导的用于换脸的深度伪造框架。它提供了必要的工具以及易于使用的方式来进行高质量换脸。它还为需要在不编写复杂样板代码的情况下以其他功能强化其流水线的人提供了灵活且松耦合的结构。我们详述了驱动 DeepFaceLab 实现的原则并介绍其流水线，通过它流水线的各个方面均可由用户无痛修改以实现其定制目的。值得注意的是，DeepFaceLab 可实现具有高保真度的电影级质量结果。我们通过将我们的方法与其他换脸方法进行比较来展示我们系统的优势。更多信息请访问：https://github.com/iperov/DeepFaceLab/。
引用
@article{arxiv.2005.05535,
title = {DeepFaceLab: Integrated, flexible and extensible face-swapping framework},
author = {Ivan Perov and Daiheng Gao and Nikolay Chervoniy and Kunlin Liu and Sugasa Marangonda and Chris Umé and Dpfks and Carl Shift Facenheim and Luis RP and Jian Jiang and Sheng Zhang and Pingyu Wu and Bo Zhou and Weiming Zhang},
journal= {arXiv preprint arXiv:2005.05535},
year = {2024}
}