FaceTuneGAN：基于神经生成对抗网络的卷积表情迁移人脸自编码器
计算机视觉与模式识别
2021-12-02 v1 图形学
摘要
在本文中，我们提出FaceTuneGAN，一种将面部身份与面部表情分别分解和编码的新3D人脸模型表示。我们首次将已在2D领域取得成功应用的图像到图像翻译网络适配于3D人脸几何。利用近期发布的大规模人脸扫描数据库，我们训练了一个神经网络以借助对人脸更深入的认知来解耦变化因素，从而实现面部表情迁移并对表情脸进行中性化。具体而言，我们设计了一种对抗架构，适配FUNIT的基础架构，并使用SpiralNet++进行卷积与采样操作。利用两个公开数据集（FaceScape和CoMA），FaceTuneGAN在身份分解与人脸中性化方面优于现有技术（SOTA）。它还通过预测更接近真实数据的混合形状，并减少因源与目标间面部形态差异过大而产生的不期望伪影，从而超越经典形变迁移方法。
引用
@article{arxiv.2112.00532,
title = {FaceTuneGAN: Face Autoencoder for Convolutional Expression Transfer Using Neural Generative Adversarial Networks},
author = {Nicolas Olivier and Kelian Baert and Fabien Danieau and Franck Multon and Quentin Avril},
journal= {arXiv preprint arXiv:2112.00532},
year = {2021}
}