主页: https://hangz-nju-cuhk.github.io/projects/StyleSwap

论文：https://hangz-nju-cuhk.github.io/projects/StyleSwap

摘要:

 鉴于其广泛的应用，已经对不可知的人脸交换任务进行了许多尝试。虽然现有的方法大多依赖于繁琐的网络和损失设计，但它们仍然在源和目标人脸之间的信息平衡方面存在困难，并且往往会产生可见的伪影。在这项工作中，我们介绍了一个简洁有效的框架 StyleSwap。我们的核心思想是利用基于样式的生成器来实现高保真和鲁棒的人脸交换，从而可以利用生成器的优势来优化身份相似度。我们发现，只需进行最少的修改，StyleGAN2 架构就可以成功处理来自源和目标的所需信息。此外，受 ToRGB 层的启发，进一步设计了交换驱动掩码分支以改进信息混合。此外，可以采用 StyleGAN 反转的优势。特别是，提出了一种交换引导的 ID 反转策略来优化身份相似性。大量实验验证了我们的框架产生了高质量的人脸交换结果，在质量和数量上都优于最先进的方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除