脸部妆容迁移!速览几篇用GAN来做的论文

513 阅读1分钟

Makeup transfer妆容迁移,常用于将参考图像的妆容迁移到目标人脸上。实际上也是一种风格迁移。下面整理了几篇妆容迁移的论文。笔者已经下载打包好论文,大家有兴趣可以关注微信公众号“学点诗歌和AI知识”回复“妆容迁移”获得论文的网盘下载地址哦。


1. 2018CVPR:PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup

基于cycleGAN来进行上妆或者去妆。不要求成对的数据训练,值得注意的是,上妆的G输入不仅仅是素颜图像,包括妆后参照图像。其中训练时要眼、鼻、嘴、眉毛等切图像块,最后再用泊松融合。

2. BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network

主页:liusi-group.com/projects/Be…

3. BEHOLDER-GAN: GENERATION AND BEAUTIFICATION OF FACIAL IMAGES WITH CONDITIONING ON THEIR BEAUTY LEVEL

作者训练了一个可以根据“颜值分数”生成人脸的模型。另外,提出的方法也可以美化人脸,提高颜值。

4. Disentangled Makeup Transfer with Generative Adversarial Network

关注的点更多,如上妆的多样性等。

5. PSGAN: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer

关注不同姿态/脸部朝向上妆的鲁棒性。

6. Semi-supervised Eye Makeup Transfer by Swapping Learned Representation

关注眼妆,并专门制作了一个眼妆数据集。

7. LADN: Local Adversarial Disentangling Network forFacial Makeup and De-Makeup

关注生成更高质量细节,多个重叠、局部判别器进行对抗训练。

8. 2019 CVPR BeautyGlow: On-Demand Makeup Transfer Framework with Reversible Generative Network

用的不是GAN而是Glow来做,作者认为这样可以按需更精准地把控妆容程度。