论文介绍
本文提出了一种名为FReeNet的新型多身份人脸重演框架,用于将面部表情从任意源面部转移到具有共享模型的目标面部。提议的FReeNet由两部分组成:统一地标转换器(ULC)和几何感知生成器(GAG)。ULC采用编码-解码器架构来有效地转换潜在目标空间中的表情,缩小了源身份和目标身份之间的面部轮廓差距。 GAG 利用转换后的人脸关键点,用目标人物的参考图像重新生成逼真的图像。此外,提出了一种新的三元组感知损失来强制 GAG 模块同时学习外观和几何信息,这也丰富了重演图像的面部细节。进一步的实验证明了我们的方法在生成逼真和表情相似的面孔方面的优越性,以及在身份之间转移面部表情的灵活性。
论文地址
https://arxiv.org/abs/1905.11805