MotionSwap
计算机视觉与模式识别
2025-08-11 v1
摘要
人脸换脸技术在学术研究和商业应用中已获得广泛关注。本文提出了我们对 SimSwap 实现和改进的方案，这是一个高保真人脸换脸的高效框架。我们引入了若干改进，包括在生成器架构中集成自注意力和交叉注意力机制、动态损失权重以及余弦退火学习率调度。这些改进在身份保持、属性一致性和整体视觉质量方面显著提升。我们的实验结果覆盖 40 万次训练迭代，显示出生成器和判别器性能的渐进式改进。增强模型在身份相似性、FID 分数以及可见的定性结果方面均优于基线。消融研究确认了每个架构和训练改进的重要性。我们通过指出关键的未来方向，如集成 StyleGAN3、改进唇部同步、 incorporating 3D 人脸建模以及引入用于视频应用的时序一致性来结束本文。
引用
@article{arxiv.2508.06430,
title = {MotionSwap},
author = {Om Patil and Jinesh Modi and Suryabha Mukhopadhyay and Meghaditya Giri and Chhavi Malhotra},
journal= {arXiv preprint arXiv:2508.06430},
year = {2025}
}
备注
8 pages, 7 figures, 5 tables. This is a student research submission from BITS Pilani, Hyderabad Campus. Our implementation enhances SimSwap with attention modules and dynamic training strategies