GHOST 2.0：生成式高保真单次头部迁移
计算机视觉与模式识别
2025-06-10 v4
摘要
虽然面部替换任务近期引起了研究界的关注，但相关的头部替换问题很大程度上仍未被探索。除了肤色迁移外，头部替换还带来额外的挑战，例如在合成过程中需要保持整个头部的结构信息，以及在替换头部与背景之间填补不匹配区域。在本文中，我们通过GHOST 2.0解决了这些问题，该方法包含两个特定问题的模块。首先，我们引入了增强的对齐模型用于头部重演，该模型在多个尺度上保持身份信息，并对极端姿态变化具有鲁棒性。其次，我们使用一个Blender模块，通过迁移肤色和修复不匹配区域，将重演后的头部无缝集成到目标背景中。两个模块在各自任务上均优于基线方法，实现了头部替换领域的最先进结果。我们还处理了复杂情况，例如源和目标之间头发风格的显著差异。代码可在 https://github.com/ai-forever/ghost-2.0 获取。
引用
@article{arxiv.2502.18417,
title = {GHOST 2.0: generative high-fidelity one shot transfer of heads},
author = {Alexander Groshev and Anastasiia Iashchenko and Pavel Paramonov and Denis Dimitrov and Andrey Kuznetsov},
journal= {arXiv preprint arXiv:2502.18417},
year = {2025}
}