基于外观自适应归一化的一次性人脸重演

本文提出一种用于一次性人脸重演的新型生成对抗网络，其可将单张人脸图像动画化为不同姿态与表情（由驱动图像提供），同时保持其原始外观。我们网络的核心是一种称为外观自适应归一化的新机制，该机制通过使用学到的自适应参数调制生成器的特征图，将输入图像的外观信息有效整合进人脸生成器。此外，我们专门设计了一个局部网络，先对局部面部组件（即眼、鼻、口）进行重演，这对网络而言是更易学习的任务，并可反过来提供显式锚点以引导人脸生成器学习全局外观与姿态表情。大量定量与定性实验证明了我们的模型相较先前一次性方法的显著有效性。