Diffused Heads：扩散模型在生成说话人脸方面胜过生成对抗网络

论文题目：Diffused Heads: Diffusion Models Beat GANs on Talking-Face Generation
论文链接：https://arxiv.org/abs/2301.03396
发表于：WACV 2024
单位：伦敦帝国理工学院等
项目主页：https://mstypulkowski.github.io/diffusedheads/
代码：https://github.com/MStypulkowski/diffused-heads

研究背景

1. 研究问题：这篇文章要解决的问题是说话人脸生成，特别是如何在没有额外参考视频的情况下，生成具有自然头部运动和面部表情的视频。
2. 研究难点：该问题的研究难点包括：生成自然的头部运动和面部表情、避免模式崩溃、处理大头部运动时的视频失真、以及无需额外指导的生成方法。
3. 相关工作：该问题的研究相关工作有：早期的隐马尔可夫模型（HMMs）、深度学习方法、最新的基于生成对抗网络（GANs）的方法、以及扩散模型在图像和视频生成中的应用。