Glosario técnico
Glosario técnico
Glosario técnico. Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso. Conteúdo localizado: es. Comparación con fuentes verificadas.
Guía práctica
Glosario técnico
Esta página explica Glosario técnico en español: propósito, límites y verificación. El contenido revisado conserva los hechos, números, enlaces y fuentes; usa solo medios autorizados.
Comparación con fuentes verificadas: Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso.
Respuesta directa
La terminología del intercambio de rostros necesita una definición y un límite
Un rostro fuente proporciona señales de identidad. El contenido multimedia objetivo proporciona la escena y los atributos no identitarios previstos. La detección, alineación, enmascaramiento y generación describen partes de un flujo de trabajo; la similitud de identidad, las métricas perceptuales y la revisión humana responden a diferentes preguntas de evaluación.
Límite de implementación: esta página explica la terminología encontrada en artículos de investigación, protocolos de evaluación y la especificación C2PA. Una cita aquí no significa que DeepSwapAI utilice cada método, arquitectura, modelo, métrica o característica de procedencia nombrada.
Índice de términos
Salta al concepto que necesitas
Fundamentos del flujo de trabajo
Fundamentos del flujo de trabajo
Los roles de los medios y los términos de preprocesamiento geométrico que definen lo que entra en un flujo de trabajo de intercambio de rostros.
Intercambio de rostros
#También llamado: intercambio de rostros con IA, intercambio de caras
Una tarea de visión por computadora que transfiere señales de identidad de una cara de origen a una imagen o video de destino mientras intenta preservar atributos de destino como pose, expresión, cabello y fondo.
Límite de evidencia: Esta es una definición de tarea, no una garantía de que cada sistema preserve cada atributo o de que un uso particular tenga permiso.
Fuentes primarias: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Rostro fuente
#También llamado: identidad fuente, referencia de identidad
La persona o imagen de referencia que suministra las señales de identidad destinadas a la cara generada.
Límite de evidencia: La fuente normalmente no define la escena objetivo, el cuerpo, el cabello, la pose o el fondo, y la división exacta depende del método.
Fuentes primarias: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Reinforced Disentanglement for Face Swapping without Skip Connection
Medio de destino
#También llamado: imagen objetivo, video objetivo
La imagen o video que suministra la escena y los atributos no relacionados con la identidad que un método de intercambio de caras intenta retener.
Límite de evidencia: Los métodos difieren en qué atributos objetivo retienen, por lo que la preservación del objetivo debe evaluarse en lugar de asumirse.
Fuentes primarias: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Detección de caras
#También llamado: localización facial, localización de rostro
El proceso de localizar una o más regiones faciales en una imagen o fotograma de video antes de la alineación, extracción de características o generación.
Límite de evidencia: Una región facial detectada no es una decisión de identidad, una verificación de consentimiento o una prueba de que el procesamiento posterior tendrá éxito.
Fuentes primarias: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild
Puntos de referencia faciales
#También llamado: puntos de referencia faciales, puntos de referencia
Puntos clave faciales estimados, como las comisuras de los ojos, la nariz y las ubicaciones de la boca, utilizados para describir la geometría facial para la alineación o el condicionamiento.
Límite de evidencia: Los diseños de puntos de referencia, los recuentos de puntos y las unidades de error varían según el detector y el protocolo; no son directamente intercambiables.
Fuentes primarias: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion
Alineación facial
#También llamado: alineación facial, recorte facial alineado
Un paso de normalización geométrica que utiliza la estructura facial detectada para colocar una cara en un recorte, escala y orientación consistentes para su procesamiento posterior.
Límite de evidencia: Las convenciones y transformaciones de alineación varían, y un recorte alineado no establece identidad, calidad o permiso.
Fuentes primarias: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Identidad y preservación
Identidad y preservación
Los conceptos utilizados para separar las señales de identidad del rostro fuente de los atributos objetivo que un resultado intenta retener.
Incrustación facial
#También llamado: incrustación de identidad, vector de características faciales
Una representación numérica aprendida diseñada para que las imágenes faciales puedan compararse en un espacio de características bajo un modelo de reconocimiento y protocolo de preprocesamiento específicos.
Límite de evidencia: Las dimensiones del vector, las funciones de distancia y los umbrales de decisión dependen del modelo y la configuración de evaluación; una incrustación no es inherentemente un veredicto de identidad ni está matemáticamente garantizada como no reconstruible.
Fuentes primarias: ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Similitud de identidad
#También llamado: retención de identidad, puntuación de preservación de identidad
Una comparación dependiente del protocolo entre las representaciones de identidad de origen y de salida, comúnmente calculada a partir de un codificador de caras nombrado y una función de similitud.
Límite de evidencia: Las puntuaciones no son portátiles entre codificadores, recortes, conjuntos de datos, umbrales o demografías y no deben presentarse como un veredicto biométrico para una sola salida.
Fuentes primarias: ArcFace: Additive Angular Margin Loss for Deep Face Recognition; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Preservación de atributos de destino
#También llamado: preservación de atributos, consistencia objetivo
El grado en que un resultado retiene las características de destino previstas, como pose, expresión, cabello, iluminación, ropa y fondo, mientras cambia las señales de identidad facial.
Límite de evidencia: Los atributos y estimadores evaluados deben ser nombrados; una puntuación agregada puede ocultar fallos en un atributo individual.
Fuentes primarias: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Mascarilla facial
#También llamado: máscara de intercambio, máscara facial
Un mapa espacial que identifica qué región de la imagen puede ser generada, fusionada o evaluada como parte de una operación de intercambio de rostros.
Límite de evidencia: La construcción y semántica de la máscara varían según el método; una máscara no resuelve por sí sola la oclusión, el límite o la inconsistencia de color.
Fuentes primarias: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Segmentación facial
#También llamado: segmentación semántica facial
Segmentación semántica a nivel de píxel de los componentes faciales y regiones circundantes, como piel, ojos, boca, cabello o fondo.
Límite de evidencia: Los conjuntos de etiquetas y la calidad de la segmentación dependen del analizador y del conjunto de datos, y las regiones incorrectas pueden propagarse a la síntesis o composición posterior.
Fuentes primarias: Fine-Grained Face Swapping via Regional GAN Inversion
Fusión de bordes faciales
#También llamado: fusión de límites, composición facial
El paso de composición que transiciona una región facial sintetizada en el objetivo alrededor del tono de piel, bordes, iluminación y contenido cercano.
Límite de evidencia: Un límite visualmente suave no establece una identidad correcta, características internas naturales o un comportamiento consistente en todos los fotogramas de video.
Fuentes primarias: Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection
Oclusión
#También llamado: obstrucción facial, rostro ocluido
Una condición en la que parte de un rostro está oculta por cabello, manos, gafas, objetos, otra persona o el borde de la imagen.
Límite de evidencia: El manejo de la oclusión depende del método y la escena; un punto de referencia debe especificar la región afectada y las condiciones de visualización.
Fuentes primarias: Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Pose de la cabeza
#También llamado: pose facial, orientación de la cabeza
La orientación estimada de una cabeza con respecto a la cámara, a menudo representada por guiñada, cabeceo y balanceo o por puntos de referencia y parámetros 3D.
Límite de evidencia: Los valores de pose dependen del estimador y la convención de coordenadas; igualar la pose por sí sola no puede predecir el realismo de la salida.
Fuentes primarias: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Expresión facial
#También llamado: preservación de la expresión
La configuración visible de las características faciales asociadas con estados como sonreír, parpadear o abrir la boca, a menudo tratada como un atributo objetivo en el intercambio de rostros.
Límite de evidencia: Las etiquetas y parámetros de expresión dependen del estimador y pueden pasar por alto comportamientos sutiles, asimétricos o interpretados culturalmente.
Fuentes primarias: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Consistencia de video
Consistencia de video
Conceptos de movimiento y secuencia de fotogramas que no existen en una sola imagen fija.
Consistencia temporal
#También llamado: coherencia temporal, consistencia fotograma a fotograma
La estabilidad de las señales de identidad, los atributos objetivo y el detalle visual a través de fotogramas de video consecutivos en lugar de en un solo fotograma aislado.
Límite de evidencia: Una medida de alta consistencia puede preservar el resultado incorrecto de manera consistente, por lo que la corrección de la identidad y la calidad visible deben evaluarse por separado.
Fuentes primarias: DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Flujo óptico
#También llamado: campo de movimiento, correspondencia de píxeles
Un campo de movimiento denso estimado que mapea ubicaciones de imagen entre fotogramas y puede apoyar el análisis de movimiento, la deformación o los diagnósticos temporales.
Límite de evidencia: El flujo óptico es una estimación que puede fallar alrededor de oclusión, desenfoque, cambios de iluminación y regiones recién visibles; no es una puntuación de calidad por sí misma.
Fuentes primarias: RAFT: Recurrent All-Pairs Field Transforms for Optical Flow; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Evaluación
Evaluación
Métricas y protocolos de revisión que responden a diferentes preguntas de calidad bajo condiciones explícitas.
Structural Similarity Index (SSIM)
#También llamado: SSIM
Una medida de similitud de imagen de referencia completa que compara luminancia, contraste y estructura entre una imagen de prueba y una imagen de referencia.
Límite de evidencia: SSIM requiere una referencia alineada significativa, no es específico del rostro, y su valor depende de la escala, la ventana, el manejo del color y el preprocesamiento.
Fuentes primarias: Image Quality Assessment: From Error Visibility to Structural Similarity
Learned Perceptual Image Patch Similarity (LPIPS)
#También llamado: LPIPS, similitud perceptual aprendida
Una distancia perceptual basada en características de redes profundas que fue evaluada contra juicios humanos de similitud de parches de imagen.
Límite de evidencia: LPIPS no es una puntuación de identidad; los valores dependen de la red seleccionada, la calibración, la preparación de la imagen y el protocolo de comparación.
Fuentes primarias: The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Frechet Inception Distance (FID)
#También llamado: FID
Una distancia a nivel de conjunto entre distribuciones de características de colecciones de imágenes generadas y de referencia, calculada originalmente con características de Inception.
Límite de evidencia: FID no es una puntuación defendible para una sola imagen, y los resultados dependen del número de muestras, el extractor de características, el preprocesamiento, el conjunto de referencia y la implementación.
Fuentes primarias: GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium; Rethinking FID: Towards a Better Evaluation Metric for Image Generation
Evaluación de calidad sin referencia
#También llamado: NR-IQA, evaluación ciega de calidad de imagen
Un método que estima la calidad visual a partir de una salida sin requerir una imagen de referencia prístina emparejada.
Límite de evidencia: Su validez depende de los datos de entrenamiento y el diseño de validación; una puntuación puede fallar en métodos, contenido o distorsiones no vistos.
Fuentes primarias: Rank-based No-reference Quality Assessment for Face Swapping
Tarjeta de puntuación de revisión humana
#También llamado: rúbrica de evaluación humana, rúbrica de revisión de resultados
Una rúbrica repetible que pide a un revisor que registre criterios visibles, anclas de calificación, puertas críticas y notas para una salida específica.
Límite de evidencia: Registra observaciones humanas estructuradas, no precisión del modelo, identidad biométrica, una probabilidad o una clasificación general del proveedor.
Fuentes primarias: DeepSwapAI tarjeta de puntuación de calidad de salida de intercambio de rostros; Rank-based No-reference Quality Assessment for Face Swapping
Procedencia
Procedencia
Estándares para registrar de dónde provino el contenido digital y qué le sucedió.
C2PA
#También llamado: Coalición para la Procedencia y Autenticidad del Contenido
Un estándar técnico abierto para registrar información de procedencia a prueba de manipulaciones sobre contenido digital a través de manifiestos firmados, afirmaciones, ingredientes y reclamaciones.
Límite de evidencia: C2PA puede proporcionar evidencia de procedencia y señales de manipulación, pero la especificación no determina si el contenido representado es verdadero, preciso o éticamente permitido.
Fuentes primarias: C2PA Technical Specification 2.4; Explicador C2PA 2.3
Credenciales de Contenido
#También llamado: Credenciales de Contenido C2PA, credenciales de procedencia de contenido
La presentación orientada al usuario de información de procedencia asociada con un activo digital a través del ecosistema C2PA.
Límite de evidencia: La disponibilidad y los detalles mostrados dependen de la credencial, el firmante, el validador, el activo y la plataforma; una credencial no es una declaración de que el contenido es fácticamente verdadero.
Fuentes primarias: Explicador C2PA 2.3; C2PA Technical Specification 2.4
Interpretación de métricas
Cuatro reglas evitan comparaciones engañosas
Nombrar la relación
Las métricas de identidad normalmente comparan la salida con la identidad de origen. La preservación de pose y expresión normalmente compara la salida con el objetivo. Estas son preguntas diferentes.
Mantener el protocolo constante
El conjunto de datos, el recorte, el evaluador, el preprocesamiento, la implementación, el recuento de muestras y la agregación pueden cambiar un valor informado. Un nombre de métrica compartido no es suficiente.
Mantener separadas la evidencia a nivel de conjunto y de una sola salida
FID describe distribuciones de conjuntos de imágenes. SSIM y LPIPS requieren una referencia de comparación significativa. Una tarjeta de puntuación humana registra observaciones visibles sobre una salida revisada.
No colapsar cada dimensión de calidad
La identidad, la preservación de atributos objetivo, los límites, la oclusión, la integridad técnica y la estabilidad temporal pueden fallar de forma independiente y deben permanecer inspeccionables.
Usar el mapa de decisión versionado: el mapa de métricas de evaluación de intercambio de rostros conecta estos términos con las entradas comparadas, los niveles de protocolo, los requisitos previos, las direcciones de interpretación y las fuentes primarias. Sus JSON, CSV y registros BibTeX se enumeran en el catálogo de investigación.
Preguntas del glosario
Cómo usar estas definiciones
¿Esta página revela la pila de modelos DeepSwapAI exacta?
No. Define conceptos de la industria y la investigación sin afirmar que cada método citado es parte de la implementación de producción.
¿Puedo comparar la misma métrica en dos artículos?
Solo después de verificar que los conjuntos de datos, evaluadores, preprocesamiento, implementaciones y reglas de agregación coinciden.
¿Puede FID medir una sola salida?
No. FID es una medida a nivel de distribución y necesita conjuntos de imágenes generadas y de referencia.
¿Las Credenciales de Contenido prueban que una imagen es verdadera?
No. Proporcionan información de procedencia y señales de validación, no un juicio de verdad fáctica.
Empezar face swap
Face swap con IA en el navegador para fotos, lotes, mapas de grupos, vídeo y GIF con permiso.