近期，国外诡计机视觉与格式识别会议CVPR 2022在好意思国新奥尔良举行，并同步进行线上会议。由王君乐博士携带的腾讯Turing Lab执行室提交的论文《High-resolution Face Swapping via Latent Semantics Disentanglement》（基于隐语义解耦的高分辨率换脸）告捷入选。

论文由腾讯Turing Lab与华南理工大学、卡迪夫大学及中国香港大学合营完成。接下来，咱们将为全球解读论文的中枢效能，一谈来学习诡计机视觉领域的最前沿盘问吧！

基于隐语义解耦的高分辨率换脸

High-resolution Face Swapping via Latent Semantics Disentanglement

在换脸任务中，咱们需要针对给定的源脸和商酌脸，将源脸的身份信息迁徙至商酌脸上，并同期保合手商酌脸的属性信息。该时刻比年来获取无数关爱的，并在互动文娱、广电、安全与隐讳保护等领域均展现出较大的应用后劲。

这篇论文建议了一种新的、基于预锻练GAN模子中内在先验常识的换脸要领，竣事了高分辨率（1024X1024）换脸。该要领除了能保合手商酌脸的常见属性信息，如神采、姿态、光照、布景等以外，还不错更好地保合手商酌脸的妆容信息。

在这个使命中，咱们欺诈生成叛逆模子隐空间的解耦特点，将不同性质的属性分裂迁徙。具体来说，神采、姿态等是与结构关系的属性，而光照、作风等是与外不雅关系的属性。这两类属性由隐编码的不同层分裂适度：一张图片隐编码的前半部分适度结构信息，此后半部分适度外不雅信息。

咱们先分裂将源脸和商酌脸回转到StyleGAN的隐空间内。同期将源脸和商酌脸关键点的热图送入关键点编码器，得到一个结构属性飘浮向量，这个向量作用在源脸的隐编码上，即可竣事结构属性的迁徙。

同期，咱们用商酌脸隐编码的后半部分代替源脸隐编码的后半部分，这么即可竣事外不雅属性的迁徙。将科罚之后的隐编码送入预锻练好的StyleGAN中，即可得到初步的换脸收尾。

此外，为了竣事商酌脸布景的迁徙，咱们将商酌脸径直送入商酌编码器，得到不同分辨率的特征，并和StyleGAN中间经由中产生的特征在解码器中进行交融。这么咱们就获取了最终的收尾y。执行收尾标明，咱们的要领在图片和视频换脸任务中，很多方面的效果均逾越了多SOTA要领。

注：图片只用作学术盘问，无谓于贸易用途。

对于CVPR

CVPR 全称 IEEE 国外诡计机视觉与格式识别会议（IEEE Conference on Computer Vision and Pattern Recognition），该会议始于 1983 年，是诡计机视觉和格式识别领域的顶级会议。本年大会共收到来自全球各大高校、科研机构与科技公司共8186篇投稿，最终接纳的论文委果齐代表了年度诡计机视觉领域最新、最高科研水平以及改日发展趋势。

这次论文入选，亦然对腾讯Turing Lab执行室现阶段科研及编削智商的认同。改日，腾讯Turing Lab将不息戮力，为全球在诡计机视觉领域带来更多可能。

腾讯Turing Lab执行室考究东谈主

王君乐博士

腾讯巨匠盘问员

领有十余年诡计机视觉、多媒体、机器学习领域盘问西宾，在东谈主体姿态料想与重建、图像质料评价、诡计影相学、千里浸式多媒体等领域有较深的了解及实战西宾，并在这些领域携带团队进行探索与落地的使命。

曾主导腾讯CenseoQoE画质评价决策的建造与社区开源，主导腾讯前锋云游戏云霄虚实互动时刻的研发。此外，在包括CVPR、NeurIPS、TIP、TMM等顶级会议及期刊上发表多篇论文，并为多个会议及期刊担任审稿东谈主及组织者。