照片级真实感人脸纹理迁移
计算机视觉与模式识别
2017-06-15 v1
摘要
近年来，风格迁移方法借助卷积神经网络取得了显著成功。然而，这些方法大多集中于艺术风格迁移，对输出图像外观的约束较少。我们致力于解决这样一个具有挑战性的问题：以照片级真实感的方式将风格人脸图像中的人脸纹理迁移到内容人脸图像上，同时不改变原始内容图像的身份。我们的人脸纹理迁移框架通过一种新颖的人脸语义正则化对 MRF-CNN 的先前工作进行了增强，该正则化结合了人脸先验正则化以平滑地抑制人脸细观结构（如眼睛、鼻子和嘴巴）周围的变化，以及一个隐式保留人脸结构的人脸结构损失函数，使得人脸纹理可以在不改变原始身份的情况下进行迁移。我们在人脸图像上展示了结果，并将我们的方法与近期最先进的方法进行了比较。我们的结果展示了由于能够保持原始人脸图像身份而带来的优越纹理迁移效果。
引用
@article{arxiv.1706.04306,
title = {Photo-realistic Facial Texture Transfer},
author = {Parneet Kaur and Hang Zhang and Kristin J. Dana},
journal= {arXiv preprint arXiv:1706.04306},
year = {2017}
}