FaceDancer：姿态与遮挡感知的高保真换脸
计算机视觉与模式识别
2022-10-24 v2
摘要
在这项工作中，我们提出了一种用于主体无关的换脸与身份迁移的新单阶段方法，名为 FaceDancer。我们有两项主要贡献：自适应特征融合注意力（AFFA）与可解释特征相似性正则化（IFSR）。AFFA 模块嵌入在解码器中，自适应地学习融合属性特征与基于身份信息条件的特征，无需任何额外的面部分割过程。在 IFSR 中，我们利用身份编码器中的中间特征来保留目标人脸中的重要属性，如头部姿态、面部表情、光照和遮挡，同时仍以高保真度迁移源人脸的身份。我们在多个数据集上进行了广泛的定量与定性实验，结果表明所提出的 FaceDancer 在身份迁移方面优于其他最先进的网络，同时在姿态保持上显著优于大多数先前方法。
引用
@article{arxiv.2210.10473,
title = {FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping},
author = {Felix Rosberg and Eren Erdal Aksoy and Fernando Alonso-Fernandez and Cristofer Englund},
journal= {arXiv preprint arXiv:2210.10473},
year = {2022}
}
备注
Fixed the supplementary material layout in the end (past references). Added link to video results, which is mentioned in Results but was missing in the supplementary material