BriefGPT - AI 论文速递
·
Face2Face：基于标签的面部修饰恢复
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一个大规模的精细化人脸修饰数据集RetouchingFFHQ，包含50万幅条件化修饰的图像。通过多粒度、多修饰类型和多修饰水平的问题，扩展了人脸修饰检测。实验证明，在人脸修饰检测方面表现良好。未来有潜力解决现实世界中细粒度的人脸修饰检测问题。
🎯
关键要点
- 本研究提出了一个大规模的精细化人脸修饰数据集RetouchingFFHQ，包含超过50万幅条件化修饰的图像。
- 数据集包含四种典型的人脸修饰操作和不同的修饰水平，扩展了二元人脸修饰检测为多粒度、多修饰类型和多修饰水平的问题。
- 提出了一种多粒度注意力模块(MAM)作为CNN主干的插件，以增强跨尺度的表示学习。
- 通过广泛的实验，使用不同基线方法和提出的方法，在人脸修饰检测方面展现了良好的性能。
- 基于新数据集，未来有潜力解决现实世界中细粒度的人脸修饰检测问题。
🏷️
标签
➡️
