Facke: a Survey on Generative Models for Face Swapping

要約

この作業では、顔を交換するというまさにそのタスクにおける主流のニューラル生成モデルのパフォーマンスを調査します。
CVAE、CGAN、CVAE-GAN、および条件付き拡散モデルで実験を行いました。
既存の精巧に訓練されたモデルは、肉眼で見分けがつかない偽の顔（Facke）を生成し、高い客観的な測定基準を達成することに成功しています。
それらを比較し、長所と短所を分析します。
さらに、このタスクには適用されませんが、いくつかの有望なトリックを提案しました。

要約(オリジナル)

In this work, we investigate into the performance of mainstream neural generative models on the very task of swapping faces. We have experimented on CVAE, CGAN, CVAE-GAN, and conditioned diffusion models. Existing finely trained models have already managed to produce fake faces (Facke) indistinguishable to the naked eye as well as achieve high objective metrics. We perform a comparison among them and analyze their pros and cons. Furthermore, we proposed some promising tricks though they do not apply to this task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google