基于本征图像解耦的神经人脸编辑
计算机视觉与模式识别
2017-04-14 v1
摘要
传统人脸编辑方法通常需要依次应用若干复杂且特定任务的算法——这一过程繁琐、脆弱且计算密集。本文提出一种端到端生成对抗网络，可推断人脸特有本征属性（包括形状（即法线）、反照率、光照）以及一个 alpha matte 的解耦表示。我们展示该网络可通过结合网络内基于物理的图像生成模块与适当的损失函数，在“野生”图像上训练。我们的解耦潜表示支持语义相关的编辑，即可以操纵面部外观的某一方面同时保持正交属性固定，并展示了其在若干人脸编辑应用中的使用。
引用
@article{arxiv.1704.04131,
title = {Neural Face Editing with Intrinsic Image Disentangling},
author = {Zhixin Shu and Ersin Yumer and Sunil Hadap and Kalyan Sunkavalli and Eli Shechtman and Dimitris Samaras},
journal= {arXiv preprint arXiv:1704.04131},
year = {2017}
}
备注
CVPR 2017 oral