＜CVPR2020 Oral＞AI妆容迁移: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer

最新推荐文章于 2025-02-24 10:00:00 发布

sooner高

最新推荐文章于 2025-02-24 10:00:00 发布

阅读量1.5k

点赞数 2

分类专栏：机器学习: 视觉论文整理算法深度学习文章标签：深度学习妆容迁移

本文链接：https://blog.csdn.net/g11d111/article/details/107678425

版权

算法同时被 3 个专栏收录

49 篇文章

订阅专栏

深度学习

47 篇文章

订阅专栏

机器学习: 视觉论文整理

11 篇文章

订阅专栏

PSGAN是一种创新的GAN模型，能够实现不同姿态和表情的参考图像间的妆容风格迁移，支持局部化妆风格处理及渐变效果，显著优于其他化妆转移模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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CVPR2020 oral. 没有开源训练代码～

在这里插入图片描述

古老的美容行业(The age-old beauty industry)正在经历一场变革，成千上万的博主在互联网上分享美容、化妆技巧、技术和化妆偏好。但是，当问题来到: "我应该涂哪种唇膏或者为啥我画出来的妆跟demo video里的差这么大？"的时候，
人工智能可能更有能力提供答案（AI may be better equipped to provide the answer）。

最近，来自多个研究机构提出的PSGAN被放出来: Pose-Robust Spatial-Aware GAN for Customizable Makeup Transfer, 这个论文提出了一种将reference的makeup style迁移到给定用户上面的方法。

PSGAN由3个网络组成,
可以看到，PSGAN有1个Makeup 蒸馏网络，其目的在于disentangle妆发特征: 比如口红，眼影等.
然后有1个对source image区域进行morphing的AMM网络，最后还有1个De-makeup&Re-makeup网络
用于消除source image的妆容，并pixel-wise的施加新的makeup上去。

其操作都是对matrix $\beta$ 和 $\gamma$ 来进行的。
在这里插入图片描述

按照论文所说，PSGAN不仅可以从含有不同姿态和面部表情的参考图像(reference)中转换化妆风格，还可以从多个参考图像中处理局部化妆风格和对化妆风格进行插值(interpolate), 以取得渐变效果。