RSGAN：利用潜空间中人脸与头发表示进行换脸与编辑
计算机视觉与模式识别
2022-07-07 v2 图形学
摘要
本文提出一个集成系统，通过换脸、基于属性的编辑以及随机人脸部件合成来自动生成与编辑人脸图像。所提系统基于一个深度神经网络，该网络利用大规模人脸图像数据集变分地学习人脸与头发区域。与常规变分方法不同，所提网络分别对人脸与头发表示其潜空间。我们将该网络称为区域分离生成对抗网络(RSGAN)。所提网络在潜空间中独立处理人脸与头发外观，然后通过替换人脸的潜空间表示并以其重建整个人脸图像来实现换脸。这种潜空间方法鲁棒地执行换脸，即使对于先前方法因不恰当的拟合或3D可变形模型而失败的图像也是如此。此外，所提系统可利用同一网络通过操纵视觉属性或将其与随机生成的人脸或头发部件组合，进一步编辑换脸后的图像。
引用
@article{arxiv.1804.03447,
title = {RSGAN: Face Swapping and Editing using Face and Hair Representation in Latent Spaces},
author = {Ryota Natsume and Tatsuya Yatagawa and Shigeo Morishima},
journal= {arXiv preprint arXiv:1804.03447},
year = {2022}
}