ICface：基于 GAN 的可解释可控人脸重演
计算机视觉与模式识别
2020-01-20 v2
摘要
本文提出了一种通用的人脸动画器，能够控制给定人脸图像的姿态与表情。该动画由人类可解释的驱动信号控制，这些信号由头部姿态角与动作单元（AU）值组成。控制信息可来自多个源，包括外部驱动视频与手动控制。由于驱动信号的可解释性质，人们可以轻易地混合多个源之间的信息（例如来自一张图像的姿态与来自另一张图像的表达）并应用选择性后期编辑。所提出的人脸动画器实现为一个两阶段神经网络模型，利用大型视频集合以自监督方式学习。所提出的可解释可控人脸重演网络（ICface）在多个任务中与最先进的基于神经网络的人脸动画技术进行比较。结果表明，ICface 在产生更好视觉质量的同时比大多数对比方法更具通用性。所引入的模型可为大量高级图像与视频编辑任务提供轻量且易用的工具。
引用
@article{arxiv.1904.01909,
title = {ICface: Interpretable and Controllable Face Reenactment Using GANs},
author = {Soumya Tripathy and Juho Kannala and Esa Rahtu},
journal= {arXiv preprint arXiv:1904.01909},
year = {2020}
}
备注
Accepted in WACV-2020