DiffAge3D：基于扩散的3D人脸年龄化
计算机视觉与模式识别
2024-08-29 v1
摘要
人脸年龄化是将个体的外貌转换为其更年轻或更旧版本的过程。现有人脸年龄化技术局限于2D 环境，往往削弱其应用价值，因为3D 人脸建模需求日益增长。此外，现有年龄化方法在忠实年龄化、保持身份和保留输入图像细节方面存在挑战。鉴于这些限制和对3D感知年龄化方法的需求，我们提出了 DiffAge3D——首个实现忠实年龄化、身份保持并支持3D 环境的人脸年龄化框架。我们的框架可独立建模年龄变化和相机姿态，只需输入单张目标年龄图像。我们的框架包含一个稳健的3D感知年龄化数据集生成管道，利用预训练3D GAN 和 CLIP 模型中丰富的文本嵌入能力。值得注意的是，我们未使用数据集生成中的任何 inversion 瓶颈。相反，我们从3D GAN 的潜在空间随机生成训练样本，允许我们操作 GAN 的丰富潜在空间以生成跨越大龄差的年龄。通过量化和定性评估，我们展示 DiffAge3D 在多视角一致年龄化和细节保留方面优于现有方法。
引用
@article{arxiv.2408.15922,
title = {DiffAge3D: Diffusion-based 3D-aware Face Aging},
author = {Junaid Wahid and Fangneng Zhan and Pramod Rao and Christian Theobalt},
journal= {arXiv preprint arXiv:2408.15922},
year = {2024}
}