Core Concepts
SeFFeC는 얼굴 랜드마크를 활용하여 눈 너비, 입 모양 등 23가지 의미론적 얼굴 특징을 정밀하게 제어할 수 있는 새로운 방법론이다.
Abstract
이 논문은 SeFFeC라는 새로운 얼굴 편집 기술을 제안한다. SeFFeC는 얼굴 랜드마크를 활용하여 눈 너비, 입 모양 등 23가지 의미론적 얼굴 특징을 정밀하게 제어할 수 있다.
기존 방법들은 수동 라벨링이나 마스크 조작이 필요하거나, 특징 간 얽힘이 발생하는 등의 한계가 있었다. SeFFeC는 이러한 문제를 해결하기 위해 제안되었다.
SeFFeC는 사전 학습된 StyleGAN2 모델에 Transformer 인코더 네트워크를 삽입하여 구현된다. 이 네트워크는 얼굴 특징 임베딩과 잠재 벡터를 입력받아 특정 얼굴 특징을 목표값으로 변경하는 조작 벡터를 예측한다. 이때 특징 간 상관관계를 고려하여 원치 않는 변화를 최소화한다.
정성적, 정량적 실험 결과, SeFFeC는 기존 방법 대비 더 정밀하고 국소적인 얼굴 편집이 가능하며, 사용자에게 직관적이고 정밀한 제어 인터페이스를 제공한다.
Stats
얼굴 랜드마크 98개를 활용하여 23가지 의미론적 얼굴 특징을 정의하였다.
StyleGAN2 모델을 사용하여 얼굴 이미지를 생성하고 편집하였다.
FFHQ 데이터셋을 활용하여 얼굴 특징 간 상관관계를 분석하였다.
Quotes
"SeFFeC는 눈 너비, 입 모양 등 23가지 의미론적 얼굴 특징을 정밀하게 제어할 수 있다."
"SeFFeC는 기존 방법 대비 더 정밀하고 국소적인 얼굴 편집이 가능하며, 사용자에게 직관적이고 정밀한 제어 인터페이스를 제공한다."