用于快速人像处理的 Facelet-Bank
计算机视觉与模式识别
2018-04-02 v3
摘要
随着智能手机和社交网络的普及，数字人脸处理已成为一种流行且迷人的图像修饰方式。面对广泛多样的用户偏好、面部表情和配饰，需要一个通用且灵活的模型来适应不同类型的面部编辑。在本文中，我们提出一种基于端到端卷积神经网络实现此目标的模型，该网络支持快速推理、编辑效果控制和快速的局部模型更新。此外，该模型从具有不同属性的非配对图像集中学习。实验结果表明，我们的框架可以处理广泛的表情、配饰和化妆效果，并以快速的速度产生高分辨率和高品质的结果。
引用
@article{arxiv.1803.05576,
title = {Facelet-Bank for Fast Portrait Manipulation},
author = {Ying-Cong Chen and Huaijia Lin and Michelle Shu and Ruiyu Li and Xin Tao and Yangang Ye and Xiaoyong Shen and Jiaya Jia},
journal= {arXiv preprint arXiv:1803.05576},
year = {2018}
}
备注
Accepted by CVPR 2018. Code is available on https://github.com/yingcong/Facelet_Bank