ReenactGAN：基于边界迁移的人脸重演学习
计算机视觉与模式识别
2018-07-31 v1 人工智能
图形学
摘要
我们提出一种新颖的基于学习的人脸重演框架。所提方法称为 ReenactGAN，能够将任意人物的单目视频输入中的面部动作与表情迁移至目标人物。为避免在像素空间直接迁移可能导致结构伪影，我们首先将源人脸映射至边界隐空间；随后使用变换器将源人脸边界适配至目标人脸边界；最后通过目标专属解码器生成重演的目标人脸。得益于有效且可靠的基于边界的迁移，我们的方法可实现照片级真实感人脸重演。此外，ReenactGAN 的吸引力在于整个重演过程纯前馈，因而可实时运行（单块 GTX 1080 GPU 上 30 FPS）。数据集与模型将公开于 https://wywu.github.io/projects/ReenactGAN/ReenactGAN.html
引用
@article{arxiv.1807.11079,
title = {ReenactGAN: Learning to Reenact Faces via Boundary Transfer},
author = {Wayne Wu and Yunxuan Zhang and Cheng Li and Chen Qian and Chen Change Loy},
journal= {arXiv preprint arXiv:1807.11079},
year = {2018}
}
备注
Accepted to ECCV 2018. Project page: https://wywu.github.io/projects/ReenactGAN/ReenactGAN.html