Head2HeadFS：基于视频与少样本学习的头部重演
计算机视觉与模式识别
2021-03-31 v1
摘要
在过去几年中，关于面部重演问题已完成大量工作，其解决方案主要来自图形学社区。头部重演是一项更具挑战性的任务，旨在将源人物的面部表情以及整个头部姿态迁移到目标人物。当前方法要么训练特定于人的系统，要么使用面部标志点来建模人头，而这种表示可能会将源人物不期望的身份属性迁移到目标。我们提出head2headFS，一种新颖且易于适配的头部重演流水线。我们以源人物的稠密3D人脸形状信息作为目标人物合成的条件，从而实现高质量的表达与姿态迁移。我们基于视频的渲染网络在少样本学习策略下微调，仅使用少量样本。这允许将在多人数据集上训练的通用生成器快速适配为特定于人的生成器。
引用
@article{arxiv.2103.16229,
title = {Head2HeadFS: Video-based Head Reenactment with Few-shot Learning},
author = {Michail Christos Doukas and Mohammad Rami Koujan and Viktoriia Sharmanska and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:2103.16229},
year = {2021}
}