【深度学习】Fine-Grained Face Swapping via Regional GAN Inversion高保真换脸范式

文章目录

代码

https://github.com/e4s2022/e4s

介绍

Fine-Grained Face Swapping via Regional GAN Inversion

提出一种新的高保真换脸范式,能够保留期望的微妙几何和纹理细节。从微观面部编辑的角度重新思考换脸任务,基于"编辑用于互换(editing for swapping)"(E4S)的原则,提出了一种基于面部组件形状和纹理的显式解耦方法。

遵循E4S原则,实现面部特征的全局和局部互换,以及由用户指定的部分互换。此外,E4S范式通过面部遮罩固有地处理面部遮挡问题。核心是一种新的区域GAN逆映射(RGI)方法,它允许显式解耦形状和纹理,同时允许在StyleGAN的潜在空间中进行面部互换。具体来说,设计了一个多尺度遮罩引导编码器,将每个面部组件的纹理投影到区域样式码中。还设计了一个遮罩引导注入模块,用样式码操作特征映射。基于解耦,面部互换被重新制定为样式和遮罩互换的简化问题。

与现有技术的大量实验和比较表明,方法在保留纹理和形状细节方面以及处理高分辨率图像方面具有优越性。项目页面地址为https://e4s2022.github.io

实践

设置好这2个参数后,执行python face_swap.py

效果

感觉不太好的效果:



帮助、问询

cpp 复制代码
https://docs.qq.com/sheet/DUEdqZ2lmbmR6UVdU?tab=BB08J2
相关推荐
CoovallyAIHub1 分钟前
是什么支撑L3自动驾驶落地?读懂AI驾驶与碰撞预测
深度学习·算法·计算机视觉
古城小栈2 分钟前
雾计算架构:边缘-云端协同的分布式 AI 推理
人工智能·分布式·架构
JoannaJuanCV3 分钟前
自动驾驶—CARLA仿真(7)vehicle_physics demo
人工智能·机器学习·自动驾驶
Allen正心正念202510 分钟前
AWS专家Greg Coquillo提出的 6种LLM ORCHESTRATION PATTERNS解析
人工智能·架构
每日学点SEO11 分钟前
「网站新页面冲进前10名成功率下降69%」:2025 年SEO竞争格局分析
大数据·数据库·人工智能·搜索引擎·chatgpt
HalvmånEver19 分钟前
AI 工具实战测评:从技术性能到场景落地的全方位解析
人工智能·ai
碧海银沙音频科技研究院28 分钟前
论文写作word插入公式显示灰色解决办法
人工智能·深度学习·算法
O561 6O623O7 安徽正华露31 分钟前
露,AI人工智能Barnes迷宫 AI人工智能自动记录水迷宫
人工智能
十铭忘44 分钟前
SAM2跟踪的理解6——mask decoder
人工智能·计算机视觉
不会计算机的g_c__b1 小时前
AI Agent 三大核心组件解析:规划、记忆与工具使用,构建真正智能体
人工智能