StyleYourSmile：无需配对多风格数据的跨域人脸重定向

跨域人脸重定向需要对身份、表情和域特定风格属性进行解缠控制。现有方法通常在真实人脸上训练，要么无法在域之间通用，要么需要测试时优化，要么需要精心策划的多风格数据集进行微调以实现域无关的身份表示。在本工作中，我们提出了 StyleYourSmile，一种新颖的单点跨域人脸重定向方法，无需精心策划的配对多风格数据。我们提出了一种高效的数据增强策略，以及双编码器框架，用于提取域无关的身份线索并捕获域特定的风格变化。凭借这些解缠的控制信号，我们对扩散模型进行条件化，以实现跨域的人脸表情重定向。广泛的实验表明，StyleYourSmile 在广泛的视觉域中实现了优异的身份保持和重定向保真度。