【论文精读ICME_2022】MIGRATING FACE SWAP TO MOBILE DEVICES: A LIGHTWEIGHT FRAMEWORK AND A SUPERVISED TRAINING SOLUTION
一、前言
爱奇艺和南京大学的。
【Paper】 > 【Code】 > 【SUPPLEMENTARY MATERIALS】
整个文章的贡献 or Pipeline:
- 提出了MobileFSGAN,第一个可以在移动设备上运行的移动级人脸交换模型,将参数减少到1%,同时与最先进的方法相比实现了具有竞争力的性能。
- 提出了FSTriplet,这是一个用于面部交换的大规模数据集,它提供了真实图像来稳定训练过程并增强生成图像的保真度。
- 提出了多尺度梯度损失,保证有效的反向传播,加速和稳定训练过程。
Abstract
提出现有方法的问题:
现有的面部交换方法严重依赖大规模网络来获得足够的能力来生成视觉上合理的结果,这限制了其在资源受限平台上的应用。
方法介绍:
在这项工作中,我们提出了 MobileFSGAN,这是一种用于面部交换的新型轻量级 GAN,它可以在移动设备上以更少的参数运行,同时实现具有竞争力的性能。
专为图像合成任务设计了轻量级的编码器-解码器结构,仅10.2MB&#