【论文精读ECCV_2022】StyleSwap: Style-Based Generator Empowers Robust Face Swapping

前言

【paper】 【project】【Poster】
【Code and Models】这里代码的问题是没有提供预训练模型和训练代码！

方法的整个Pipeline：

1. 源脸身份信息提取用的是ArcFace，然后通过一个FC映射到w。
2. 本文提出将目标帧的空间信息作为特征映射而不是特征向量来保留属性信息。最近的面部修复工作[56]验证了StyleGAN2的两个重要属性。首先，将噪声图连接到生成器的每一层不会影响网络的生成能力。其次，将这些噪声映射替换为编码的空间特征映射，既保留了StyleGAN2模型的生成先验，又保留了输入图像的结构信息。
3. 然后用了一个ToMask模块来平衡属性和身份，如下所示。