人脸识别系统已经大规模商业化应用，但这并意味着它就发展到顶了，剩下的都是一些难题，包括遮挡/年龄/姿态/妆造/亲属/伪造攻击等。
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
人脸表情识别（Facial Expression Recognition，FER）作为人脸识别技术中的一个重要组成部分，近年来在人机交互、安全、机器人制造、自动化、医疗、通信和驾驶领域得到了广泛的关注，成为学术界和工业界的研究热点，为了帮助大家学习人脸表情相关的内容，我们开设了人脸表情识别的专栏，目前大部分内容已经完结，本次来给大家进行总结。
上一篇专栏文章我们介绍了基于视频的人脸表情识别的相关概念，了解了目前基于视频的人脸表情识别领域最常用的几个数据集以及经典的实现方法。本文将延续上一篇的内容，分享近几年该领域一些主流的基于深度学习的方法实现。
前两篇专栏我们介绍了人脸表情识别的相关概念以及研究现状，并且了解了基于图片的人脸表情识别常用的数据集和预处理方法。接下来两篇专栏，笔者将从近5年基于图片的人脸表情识别的论文中推荐一些个人觉得具有代表性或创新性工作。
英伟达近日提出的新一代 StyleGAN，通过对 StyleGAN 的生成效果分析，他们对不完美的工作设计了改进和优化方法，使得生成图片的质量和效果更上一层楼。
不论是免费Wi-Fi盗取位置信息，还是儿童智能手表成为窃听工具，都在揭露一个事实：
最近，人脸图像合成技术越来越受到社会各界的关注。人脸图像合成技术不仅可以实现“换脸”、“人脸编辑”等娱乐效果，而且能够有效提高人脸识别等技术的性能。今天，两位主讲嘉宾为大家精选了人脸图像合成中的几篇代表性的工作，和大家一起学习分享最新的研究进展。
6月29日，音视频及融合通信技术技术沙龙圆满落幕。本期沙龙特邀请腾讯云技术专家分享关于最新的低延迟技术、全新的商业直播方案等话题，针对腾讯云音视频及融合通信产品的技术全面剖析，为大家带来纯干货的技术分享。下面是孙祥学老师关于AI技术在视频智能识别和分析中的应用，以及实际落地过程中遇到的挑战以及解决办法的分享。
改变人脸的各种属性，如发色、性别、眼镜等，是计算机视觉中的标准任务之一。在给定的人脸图像中，人脸编辑由于其各种应用和娱乐性而不断受到关注。特别地，随着最近生成对抗网络( Generative Adversarial Network, GAN)模型的进步，我们可以简单地通过操作给定图像的潜在特征来完成这一任务。此外，最近，许多基于扩散概率模型( Diffusion Probabilistic Model, DPM )的人脸图像编辑方法也被提出，这些方法显示出高质量和灵活的操作性能。
笔者是从传统图像算法开始进入计算机视觉行业的，那一批人基本上都是从人脸图像和文本图像开始学，而如今很多计算机视觉从业者却从来没有接触过人脸图像相关的算法，或许真的是时代变了吧。
人脸表情编辑指的是对图像中人脸的表情进行变换和修改。通常，我们希望这种编辑方法是足够方便、可控的。方便，在于我们尽量设置少量的条件，操作简单；可控，在于我们可以精确地控制需要编辑的部分与编辑的结果。已有的基于学习的方法中，使用生成式模型的方法为近年来较常用的方法，然而要么他们的方法是基于人脸的关键点合成特定的表情，要么是基于代表了情绪类别的离散向量，这两种条件通常具有用户参与编辑的方式不够简单（人脸关键点），要么生成结果单一、不可细粒度控制（离散向量）。
高真实感且精确可控的三维人脸建模是数字人构建中的重要问题之一。目前，使用现有的基于网格的人脸建模方法需要专业的人员使用复杂的软件并投入大量的时间和精力，且实现逼真的人脸渲染结果较为困难。
想要个性化设计高真实感的三维立体人脸，却发现自己并不熟悉专业的设计软件？三维人脸编辑方法 NeRFFaceEditing 提供了新的解决方案，即使不会三维建模，也能自由编辑高真实感的立体人脸，建模元宇宙中的个性化数字肖像！
无论是物理手段，还是生理手段的“变脸”，互联网审美时代里第一批被AI“变脸”的人已经不是天方夜谭。
人脸关键点算法已经从2D人脸渐渐发展变化为3D人脸，2D人脸是给定一副图片，找到图片中人脸关键点，这些关键点都是有着明确语义信息的，或者说都是可见的。而对于3D人脸，本身就是有一个立体结构的，也就是所谓的深度信息。在3D人脸中所要预测出来的关键点数量会远远地多于2D人脸。通过3D人脸关键点定位，能更好的对人脸来进行重构。目前2D人脸对关键点的检测已经相当准确了，从2D过度到3D人脸是一个主要的问题。
人脸属性编辑再添力作「StyleFlow」，1月7日刚刚开源，上周末我立马就试了一下。
今天向大家介绍一篇今天新出的论文 High Resolution Face Age Editing，该文提出一种简单的方法实现了高分辨率的人脸年龄编辑，效果惊艳，代码也开源了。
翻译 | Drei 编辑 | Just 出品 | 人工智能头条（公众号ID：AI_Thinker） API 是一套用于构建软件程序的协议和工具。对于应用开发者而言，有了开放的 API，就可以直接调用其他公司做好的功能为我所用，这在很大程度上提升了工作效率。 本文整理了以下四大类共 50 种 API，为你节省了寻找资源的时间。总之，你所需要的可能基本都在下面了： 人脸和图像识别（Face Image Recognition） 文本分析，自然语言处理，情感分析（Text Analysis, NLP, Senti
机器之心专栏 机器之心编辑部 浙江大学计算机辅助设计与图形学国家重点实验室和浙江大学-腾讯游戏智能图形创新技术联合实验室的研究者们提出了训练 StyleGAN 隐空间中精细的分离边界的方法，仅用一个向量就能在保持其它面部特征不变的情况下进行语义特征编辑。该方法在去除双下巴等应用中效果显著。 随着社交网络、直播以及短视频的流行，为了给别人留下更好的印象，人脸编辑「美颜」的应用范围越来越广泛，不断发展的科学技术使人脸编辑产生了非常多的研究分支。其中，生成对抗网络（GAN）的隐空间一直是个热点问题，现在越来越多的
今年 7 月，2019 腾讯广告算法大赛「终极之战」在深圳腾讯滨海大厦顺利举行。本次总决赛现场，腾讯广告高级应用研究员石瑞超为大家带来了题为《广告场景下的 AI 视觉算法应用》的演讲。视觉算法应用于广告创意的三个阶段包括广告创建、广告审核及广告播放。研究员石瑞超为我们展示了 AI 视觉算法在解决广告落地中痛难点的优势与应用方法。以下是他的分享内容，AI 开发者做了不改变原意的整理与编辑。
付费电视服务在与运营商之外的第三方通过互联网提供（Over-The-Top，OTT）的视频点播（Video-on-Demand，VoD）服务的竞争中逐渐处于劣势，尽管电视服务运营商拥有海量的媒体内容，但是后者利用短视频和刷剧（binge-watching）的功能可以更好地迎合如今观众的需求。为了解决这个问题，一些电视服务运营商通过人工将线性的视频内容剪成视频点播的形式向用户提供简短的内容，但这通常不可行也不可扩展。而且研究表明，用户尽力去发现的新内容总是令人失望的。近些年来，机器学习算法尤其是深度学习因其在目标识别和语音识别任务中可以匹敌甚至超过专业人士的表现得到了极大的普及。
作者 | MATT GROWCOOT 译者 | 核子可乐 策划 | 刘燕 为躲亲戚催婚，一摄影师创造出了 AI 女友 来自 PiXimperfect 的摄影师 Unmesh Dinda 创建出纯 AI 生成的女友，再次展示了 AI 强大的照片编辑能力。 近日，Dinda 发布了一对情侣在假期闪逛时的多张自拍，其中的光影效果极其逼真，与照片背景完美契合。但请注意：照片中的 Dinda 是真人，女友则是由 AI 模型一手创造出来的。 Dinda 在自己的 YouTube 视频中提到，“如果你身边
作者：Haonan Qiu、Chaowei Xiao、Lei Yang、Xinchen Yan、Honglak Lee、Bo Li
2015年的时候笔者开始关注GAN，公众号早期的文章中就有GAN的综述，这些年GAN的相关研究也是持续井喷。这一次咱们学术上的研究撇开不讲，这么多年过去了，GAN有哪些最成功的商业化落地领域？
谁不想有一个可爱的数字人形象呢？在日常的工作和娱乐中，越来越多的数字人虚拟形象与大家见面，他们可以是主播，也可以是语音助手，还可以是你自己的虚拟宠物。只有更快更精准的生成数字人，才能让数字人更加普及，普通消费者才能更多地接触到数字人。LiveVideoStackCon 2022北京站邀请到了张瑞全老师为我们分享美摄科技的数字人技术。 文/张瑞全 编辑/LiveVideoStack 大家好，我是来自美摄科技研发中心的高级AI算法专家张瑞全。今天分享的主题是美摄科技关于快速落地基于“AIGC+数字人”的数字化内
人脸检测和识别是计算机视觉中的一个重要应用领域，它可以识别人脸的位置、姿态、表情等信息，并对这些信息进行分类和识别。在实际应用中，人脸检测和识别被广泛应用于安防监控、人机交互、图像搜索、广告投放等领域。
主题驱动的文本到图像生成，通常需要在多张包含该主题（如人物、风格）的数据集上进行训练，这类方法中的代表工作包括 DreamBooth、Textual Inversion、LoRAs 等，但这类方案因为需要更新整个网络或较长时间的定制化训练，往往无法很有效地兼容社区已有的模型，并无法在真实场景中快速且低成本应用。而目前基于单张图片特征进行嵌入的方法（FaceStudio、PhotoMaker、IP-Adapter），要么需要对文生图模型的全参数训练或 PEFT 微调，影响原本模型的泛化性能，缺乏与社区预训练模型的兼容性，要么无法保持高保真度。
近些年来，随着深度学习和对抗生成网络的兴起，图像生成领域取得了巨大的进步。然而，对于计算机视觉领域的生成问题，并非只有生成对抗网络这样唯一的解决途径。在SFFAI22我的演讲中，我们将以两篇工作为例，介绍常见的生成模型，以及对于生成模型中的不同问题我们的解决方案：
美颜和美妆是人脸中很常见的技术，在网络直播以及平常的社交生活中都有很多应用场景。常见的如磨皮，美白，塑形等美颜技术我们已经比较熟悉了，而本文重点介绍的是人脸妆造迁移的核心技术及其相关资源。
下午的时候，配好了 OpenCV 的 Python 环境，OpenCV 的 Python 环境搭建。于是迫不及待的想体验一下 opencv 的人脸识别，如下文。 必备知识 Haar-like Haar-like 百科释义。通俗的来讲，就是作为人脸特征即可。 Haar 特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。 opencv api 要想使用 opencv，就必须先知道其能干什么，怎么做。于是 AP
TFace是由腾讯优图实验室研发的可信人脸算法研究项目，重点关注人脸识别、人脸安全、人脸质量等技术领域，通过开源自研的方法，方便研究人员快速复现我们的工作。自开源以来，本项目在业界获得了广泛关注，最近TFace发布了新版本，在优化了原有人脸识别模块的同时，新增了人脸安全模块。
关注并星标 从此不迷路 计算机视觉研究院 公众号ID｜ComputerVisionGzq 学习群｜扫码在主页获取加入方式 论文地址：https://arxiv.org/pdf/2206.02779.pdf 计算机视觉研究院专栏 作者：Edison_G 神经图像生成的巨大进步，再加上看似无所不能的视觉语言模型的出现，终于使基于文本的界面能够用于创建和编辑图像。 1 概括 处理通用图像需要一个多样化的底层生成模型，因此最新的作品利用了扩散模型，这被证明在多样性方面超过了GAN。然而，扩散模型的一个主要
人工智能技术的飞速发展给各行各业都带来了深远的影响，AI已被视为企业提升运营效能、应对市场竞争的必经之路。然而对于一些企业而言，让AI真正实现落地和应用，并且创造价值，仍是一件需要努力的事情。
AI 科技评论按：2018 年 4 月 14 日-15 日，中国图象图形学学会围绕「生物特征识别」这一主题，在中科院自动化所举办第四期「CSIG 图像图形学科前沿讲习班」。
机器之心专栏 浙江大学计算机辅助设计与图形学国家重点实验室 来自浙江大学计算机辅助设计与图形学国家重点实验室的研究者，提出了一个鲁棒且易于实现的基于视频序列的人脸胖瘦参数化方法。即使在侧脸、长发、戴眼镜及轻微遮挡等极端情况下，该方法依旧能够取得连续稳定的结果。 短视频的流行催生了基于视频的人脸编辑需求。尽管基于图像的人脸编辑方法已经比较成熟，但直接将基于图像的编辑方法应用于人脸视频通常会产生不稳定、不连续的结果。 浙江大学计算机辅助设计与图形学国家重点实验室在人脸胖瘦参数化研究领域有着较为丰富的经验，他们曾
classification也要训练的，和auto-encoder一起训练，介样练：
肖像画是一种独特的艺术形式，通常使用一组稀疏的连续图形元素如线条来捕捉一个人的外表特征。
本文推荐本周值得关注的已开源论文，包含图像超分辨率、利用疼痛类型之间的域迁移来识别马的疼痛表情的研究、人脸检测识别、图像去噪、分割、手写文本行分割、妆容迁移与卸妆、伪装物体检测等共计 12 篇。
论文 1：Deep Learning: Computational Aspects
2017年12月，一位名为“Deepfakes”的用户在全球流量排名第四的国际互联网社区“Reddit”上发布了一段好莱坞女星盖尔·加朵的伪造人脸视频，掀起了一阵轰动，这一事件作为开端，标志着人脸深度伪造技术的兴起，而该用户的用户名也被引用成为了这一类技术的代名词“Deepfake[1]”。 因此，Deepfake指代人脸的深度伪造，即将目标视频人物的脸替换成指定的原始视频人脸，或让目标人脸重演、模仿原始人脸的动作、表情等，从而制作出目标人脸的伪造视频。
现如今，人脸识别技术的应用可谓是非常广泛，被应用于身份认证，监控，安全检查，机器学习，面部表情识别，虚拟现实及虚拟导航等领域。
今年 11 月，来自纽约大学的研究人员提出了一种可以生成「万能指纹」的神经网络模型 MasterPrints，攻击手机指纹解锁的成功率最高可达 78%。而最近，福布斯的记者们决定使用 3D 打印技术攻击手机的人脸识别功能，在一通测试之后，他们发现石膏「人脸」竟可以破解四种流行旗舰手机的 AI 人脸识别解锁功能，而 iPhone X 不为所动。
发挥你您的想象力，选择您认为可是的答案 文_李春晖 编辑_王琦 宅男们总幻想为自己定制一个女朋友，也许他们的愿望将不日达成。不是借助3D打印机，而是靠大数据时代的婚恋网站。 2012年底，网易旗下
---- 新智元报道 编辑：LRS 【新智元导读】用GAN模型进行图像合成有一个显著缺点，就是生成的图像不可控制，经常是摘个眼睛把性别都变了。最近Adobe提出新一代GAN模型，能够自由控制35个人脸属性的变化，而不会互相干扰。 图像合成中的一个重要问题就是图像内的纠缠（entanglement）问题。 比如把一个人脸上的胡子全都自动去掉，或者完美地贴上胡子，最后生成的图片或多或少都有违和感，因为胡子和人脸存在某种纠缠的关系。 并且不同物体间的合成、去除的难度也不尽相同。 举几个生活中的例子就很
十八、文字生成图像 55、 DAE-GAN: Dynamic Aspect-aware GAN for Text-to-Image Synthesis 文本转换生成图像是指，从给定的文本描述中生成图像，保持照片真实性和语义一致性。此前方法通常使用句子特征嵌入去生成初始图像，然后用细粒度的词特征嵌入对初始效果进行细化。 文本中包含的“aspect”信息（例如，红色的眼）往往连带几个词，这对合成图像细节信息至关重要。如何更好地利用文本到图像合成中的aspect信息仍是一个未解决的挑战。本文提出一种动态 Asp
今天和大家说的是关于人脸识别及人类部件解析。下面先给大家展示下具体背景及效果图，然后我们开始展开讲解。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
