基于语义感知对应关系的半参数化妆迁移
计算机视觉与模式识别
2022-03-07 v1
摘要
源素颜图像与参考化妆图像之间的巨大差异是化妆迁移的关键挑战之一。传统的化妆迁移方法要么学习解耦表示，要么以参数化方式在两幅图像间进行逐像素对应。我们认为非参数化技术在处理姿态、表情和遮挡差异方面具有很高潜力。为此，本文提出一种半参数化化妆迁移（SpMT）方法，它结合了非参数化与参数化机制的互补优势。非参数化组件是一个新颖的语义感知对应关系（SaC）模块，该模块在部件语义的强约束下，利用化妆表示显式重建内容表示。所重建的表示旨在保留源图像的空间与身份信息，同时“穿戴”参考图像的妆容。输出图像通过利用重建表示的参数化解码器合成。大量实验证明了我们的方法在视觉质量、鲁棒性和灵活性方面的优越性。代码与预训练模型可在 https://github.com/AnonymScholar/SpMT 获取。
引用
@article{arxiv.2203.02286,
title = {Semi-parametric Makeup Transfer via Semantic-aware Correspondence},
author = {Mingrui Zhu and Yun Yi and Nannan Wang and Xiaoyu Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2203.02286},
year = {2022}
}
备注
20 pages, 2 tables, 17 figures