SimSwap：一种用于高保真换脸的高效框架
计算机视觉与模式识别
2021-06-14 v1
摘要
我们提出一种称为 Simple Swap（SimSwap）的高效框架，旨在实现通用且高保真的换脸。与先前或缺乏泛化到任意身份的能力、或无法保留面部表情与注视方向等属性的方法不同，我们的框架能够将任意源人脸的身份迁移到任意目标人脸，同时保留目标人脸的属性。我们通过以下两种方式克服上述缺陷。首先，我们提出身份注入模块（IIM），在特征层级将源人脸的身份信息迁移到目标人脸。通过使用该模块，我们将特定身份换脸算法的架构扩展为任意换脸的框架。其次，我们提出弱特征匹配损失，以隐式方式高效地帮助我们的框架保留面部属性。在真实人脸上的大量实验表明，我们的 SimSwap 能够在取得有竞争力的身份性能的同时，比先前最先进的方法更好地保留属性。代码已发布于 github：https://github.com/neuralchen/SimSwap。
引用
@article{arxiv.2106.06340,
title = {SimSwap: An Efficient Framework For High Fidelity Face Swapping},
author = {Renwang Chen and Xuanhong Chen and Bingbing Ni and Yanhao Ge},
journal= {arXiv preprint arXiv:2106.06340},
year = {2021}
}
备注
Accepted by ACMMM 2020