[ACMMM2018]BeautyGAN: Instance-level Facial Makeup Transfer with DeepGenerative Adversarial Network

2024-05-12 03:21:01

标题：BeautyGAN: Instance-level Facial Makeup Transfer with DeepGenerative Adversarial Network

链接：https://dl.acm.org/doi/pdf/10.1145/3240508.3240618?casa_token=Gij7zl7wk94AAAAA:VcW7nvDIx_asp4_Cna2Ev3Xrx6Lg2onMnuAYRnlUfAph3Oh4ky50FVmH3WNCgSTISIzSjjc3hICJBA

本文主要的思路是区别对待域迁移和个体迁移。对于域的迁移使用cycleGAN，对于个体的迁移使用pixel level histogram，最后再使用identity loss来进一步保留个人特征。最大的特色就是引入了cycleGAN和pixel level histogram。

整体结构很简单，就是把原始图和参考图一起丢到generator中，让generator对调两个图像之间的妆容。然后再将两张图放回generator，再次对调妆容，从而可以和最初始的两张图做重构损失。

域间迁移-domain level transfer

cycle consistency loss

如上面表述的那样，就是将生成的结果再次放回生成器，然后与输入图像做像素间的重构损失。这可以间接的保证域到域迁移的准确性。

perceptual loss

这个感官损失是指将同一人的妆前妆后图一起丢到VGGnet中，然后通过对输出的语义向量做损失从而保证身份的一致性

个体间迁移-instance level transfer

histogram loss

这是先计算参考面部（排除背景和头发区域）的像素颜色直方图分布，然后要求生成的妆容也符合此分部。这保证了整体颜色的相似性。

makeup loss

这是将面部先做语义分割，分成底妆，口红和眼影，然后按照Makeup Like a Superstar中的方法对每个区域做颜色损失。

[ACMMM2018]BeautyGAN: Instance-level Facial Makeup Transfer with DeepGenerative Adversarial Network相关推荐

论文Makeup Like a Superstar： Deep Localized Makeup Transfer Network（2016，妆容迁移，基于数据库匹配）
论文下载地址:https://arxiv.org/pdf/1604.07102.pdf 演示粉底,唇彩,眼影的迁移,模型可扩展到其它化妆品的迁移,可控制妆容的轻薄程度.端到端的深度卷积神经网络(基于数 ...
[IJCAI2016]Makeup Like a Superstar: Deep Localized Makeup Transfer Network
标题:Makeup Like a Superstar: Deep Localized Makeup Transfer Network 链接:https://arxiv.org/pdf/1604.071 ...
人像美妆---妆容迁移算法研究(Makeup transfer)
对于人像美妆算法,现在的美妆相机.玩美彩妆之类的app已经做的比较成熟了,但是具体算法,基本网络上是杳无可查,今天本人介绍一种自动的人像美妆算法----(Makeup Transfer)妆容迁移妆容 ...
MaskRNN Instance Level Video Object Segmentation 论文翻译
摘要实例级视频对象分割是视频编辑和压缩的一项重要技术.为了捕获时间的一致性,本文中,我们开发了MaskRNN,一个递归的神经网络方法,它在每个框架中融合了两个深网的输出,每个对象实例--一个提供一个 ...
LADN: Local Adversarial Disentangling Network for Facial Makeup and De-Makeup
LADN: Local Adversarial Disentangling Network for Facial Makeup and De-Makeup 摘要本文是基于局部对抗网络来做的,可以用来 ...
读论文：LADN: Local Adversarial Disentangling Network for Facial Makeup and De-Makeup
1 前言传统算法做美妆迁移的时候,如下图所示,把 A* 的美妆迁移到 B 上面.但是这样会有一些问题: A 和 A* 难以同时获得 A 和 B 要做对齐工作其他而 LADN: Local Adv ...
【论文解读】CVPR 2021 妆容迁移论文解读Spatially-invariant Style-codes Controlled Makeup Transfer
[论文解读]CVPR 2021 妆容迁移论文解读 Spatially-invariant Style-codes Controlled Makeup Transfer 摘要方法特点实现方法公式 ...
＜CVPR2020 Oral＞AI妆容迁移: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer
写在前面: 跟朋友讨论的时候,发现妆容迁移也有挺大的市场,看到一篇关于这个的介绍文,学习一下- 论文地址: https://arxiv.org/pdf/1909.06956.pdf 这篇论文是CVPR ...
表情识别：Facial Expression Recognition with Two-branch Disentangled Generative Adversarial Network
论文:Facial Expression Recognition with Two-branch Disentangled Generative Adversarial Network 代码:TDGA ...
[论文阅读] Facial Expression Recognition Using Residual Masking Network
Facial Expression Recognition Using Residual Masking Network 论文链接:https://ieeexplore.ieee.org/docume ...

最新文章

热门文章