ShapeEditer：一种用于换脸的 StyleGAN 编码器

在本文中，我们提出一种新颖的编码器，称为 ShapeEditor，用于高分辨率、真实且高保真的人脸交换。首先，为确保足够的清晰度和真实感，我们的关键思想是采用先进的预训练高质量随机人脸图像生成器，即 StyleGAN，作为主干。其次，我们设计了一个两步编码器 ShapeEditor，使交换后的人脸融合输入人脸的身份与属性。第一步，我们分别提取源图像的身份向量和目标图像的属性向量；第二步，我们将身份向量与属性向量的拼接映射到 $\mathcal{W+}$ 潜空间。此外，为学习映射到 StyleGAN 的潜空间，我们提出了一组自监督损失函数，无需手动标注训练数据。在测试数据集上的大量实验表明，我们的方法结果不仅在清晰度和真实感上优于其他 SOTA 方法，而且体现出身份与属性的充分融合。