FSRT：基于分解外貌、头部姿势和面部表情特征的人脸再现的面部场景表示变换器
原文中文，约400字，阅读约需1分钟。发表于：。人脸再现的任务是将视频中的头部运动和面部表情转移至源图像的外观，可以是不同的人（跨再现）。我们提出了一种基于 Transformer 编码器的方法来计算源图像的一组潜在表示。然后，我们使用基于 Transformer...
该文章介绍了一种基于Transformer编码器的方法，用于实现人脸再现任务。该方法能够将视频中的头部运动和面部表情转移到源图像的外观上，适用于不同的人。作者通过自监督学习源人物的潜在表示，将外观、头部角度和面部表情分解，实现跨再现。该方法能够自然地扩展到多个源图像，并适应个人特定的面部动态。作者还提出了数据增强和正则化方案，防止过拟合并提高学习表示的泛化能力。实验结果表明，该方法在运动传输质量和时间一致性方面具有卓越性能。
