本論文は、顔動画編集における重要な課題に取り組むS3Editorフレームワークを提案している。
まず、自己学習戦略を導入し、限られた教師データの中で一般化性を高めている。次に、多様な編集要求に対応できる意味的分離アーキテクチャを設計している。さらに、局所的な編集精度を高めるための疎な学習手法を提案している。
これらの3つの主要な貢献により、S3Editorは既存の顔動画編集手法の性能を大幅に向上させることができる。具体的には、アイデンティティの保持、編集の忠実性、時間的整合性が改善される。また、過剰な編集を回避することもできる。
S3Editorは、GAN系やディフュージョン系の様々な顔動画編集手法に適用可能であり、定性的・定量的な評価結果から、その有効性が確認された。
На другой язык
из исходного контента
arxiv.org
Дополнительные вопросы