FaR-GAN：单次人脸重演方法
计算机视觉与模式识别
2020-05-14 v1
摘要
用目标面部表情与动作驱动静态人脸图像，在图像编辑与电影制作领域十分重要。由于人脸几何与运动的复杂性，该人脸重演过程具有挑战性。先前工作通常需要同一人的大量图像来建模外观。本文提出一种单次人脸重演模型FaR-GAN，其仅以任意给定源身份的单张人脸图像与目标表情为输入，即可生成具有相同源身份但带目标表情的人脸图像。所提方法对源身份、面部表情、头部姿态甚至图像背景不作假设。我们在VoxCeleb1数据集上评估了该方法，结果表明其生成的人脸图像质量高于对比方法。
引用
@article{arxiv.2005.06402,
title = {FaR-GAN for One-Shot Face Reenactment},
author = {Hanxiang Hao and Sriram Baireddy and Amy R. Reibman and Edward J. Delp},
journal= {arXiv preprint arXiv:2005.06402},
year = {2020}
}
备注
This paper has been accepted to the AI for content creation workshop at CVPR 2020