Glossaire technique
Glossaire technique
Glossaire technique. Face swap IA dans le navigateur pour photos, lots, groupes, vidéos et GIF autorisés. Conteúdo localizado: fr. Comparaison vérifiée par les sources.
Guide pratique
Glossaire technique
Cette page présente Glossaire technique en français, avec son objectif, ses limites et sa vérification. Le contenu vérifié conserve faits, chiffres, liens et sources ; utilisez uniquement des médias autorisés.
Comparaison vérifiée par les sources: Face swap IA dans le navigateur pour photos, lots, groupes, vidéos et GIF autorisés.
Réponse directe
La terminologie de l'échange de visage a besoin d'une définition et d'une limite
Un visage source fournit des indices d'identité. Le média cible fournit la scène et les attributs non identitaires prévus. La détection, l'alignement, le masquage et la génération décrivent des parties d'un flux de travail ; la similarité d'identité, les métriques perceptuelles et l'examen humain répondent à différentes questions d'évaluation.
Index des termes
Accédez au concept dont vous avez besoin
Fondamentaux du flux de travail
Fondamentaux du flux de travail
Les rôles médiatiques et les termes de prétraitement géométrique qui définissent ce qui entre dans un flux de travail d'échange de visage.
Échange de visage
#Aussi appelé : échange de visage IA, face swapping
Une tâche de vision par ordinateur qui transfère les indices d'identité d'un visage source vers une image ou une vidéo cible tout en tentant de préserver les attributs de la cible tels que la pose, l'expression, les cheveux et l'arrière-plan.
Limite des preuves : Ceci est une définition de tâche, pas une garantie que chaque système préserve chaque attribut ou qu'une utilisation particulière a une autorisation.
Sources primaires : PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Visage source
#Aussi appelé : identité source, référence d'identité
La personne ou l'image de référence qui fournit les indices d'identité destinés au visage généré.
Limite des preuves : La source ne définit normalement pas la scène cible, le corps, les cheveux, la pose ou l'arrière-plan, et la répartition exacte dépend de la méthode.
Sources primaires : PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Reinforced Disentanglement for Face Swapping without Skip Connection
Média cible
#Aussi appelé : image cible, vidéo cible
L'image ou la vidéo qui fournit la scène et les attributs non identitaires qu'une méthode d'échange de visage tente de conserver.
Limite des preuves : Les méthodes diffèrent dans les attributs cibles qu'elles conservent, donc la préservation de la cible doit être évaluée plutôt que supposée.
Sources primaires : PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Détection de visage
#Aussi appelé : localisation faciale
Le processus de localisation d'une ou plusieurs régions de visage dans une image ou une image vidéo avant l'alignement, l'extraction de caractéristiques ou la génération.
Limite des preuves : Une région faciale détectée n'est pas une décision d'identité, une vérification de consentement ou une preuve que le traitement ultérieur réussira.
Sources primaires : RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild
Points de repère faciaux
#Aussi appelé : points de repère du visage
Points clés faciaux estimés, tels que les coins des yeux, le nez et les emplacements de la bouche, utilisés pour décrire la géométrie faciale pour l'alignement ou le conditionnement.
Limite des preuves : Les dispositions des points de repère, les nombres de points et les unités d'erreur varient selon le détecteur et le protocole ; ils ne sont pas directement interchangeables.
Sources primaires : RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion
Alignement facial
#Aussi appelé : alignement facial, recadrage facial aligné
Une étape de normalisation géométrique qui utilise la structure faciale détectée pour placer un visage dans un recadrage, une échelle et une orientation cohérents pour un traitement ultérieur.
Limite des preuves : Les conventions et transformations d'alignement varient, et un recadrage aligné n'établit pas l'identité, la qualité ou l'autorisation.
Sources primaires : RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Identité et préservation
Identité et préservation
Les concepts utilisés pour séparer les indices d'identité source des attributs cibles qu'un résultat tente de conserver.
Plongement facial
#Aussi appelé : plongement d'identité, vecteur de caractéristiques faciales
Représentation numérique apprise conçue pour que les images faciales puissent être comparées dans un espace de caractéristiques selon un modèle de reconnaissance et un protocole de prétraitement spécifiques.
Limite des preuves : Les dimensions vectorielles, les fonctions de distance et les seuils de décision dépendent du modèle et de la configuration d'évaluation ; un plongement n'est pas intrinsèquement un verdict d'identité ou mathématiquement garanti non reconstructible.
Sources primaires : ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Similarité d'identité
#Aussi appelé : rétention d'identité, score de préservation d'identité
Comparaison dépendante du protocole entre les représentations de l'identité source et de sortie, généralement calculée à partir d'un encodeur facial nommé et d'une fonction de similarité.
Limite des preuves : Les scores ne sont pas portables d'un encodeur, recadrage, ensemble de données, seuil ou démographie à un autre et ne doivent pas être présentés comme un verdict biométrique pour une seule sortie.
Sources primaires : ArcFace: Additive Angular Margin Loss for Deep Face Recognition; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Préservation des attributs cibles
#Aussi appelé : préservation des attributs, cohérence cible
Mesure dans laquelle un résultat conserve les caractéristiques cibles souhaitées telles que la pose, l'expression, les cheveux, l'éclairage, les vêtements et l'arrière-plan tout en modifiant les indices d'identité faciale.
Limite des preuves : Les attributs et estimateurs évalués doivent être nommés ; un score agrégé peut cacher des échecs dans un attribut individuel.
Sources primaires : PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Masque facial
#Aussi appelé : masque d'échange, masque facial
Carte spatiale qui identifie la région de l'image pouvant être générée, fusionnée ou évaluée dans le cadre d'une opération d'échange de visage.
Limite des preuves : La construction et la sémantique du masque varient selon la méthode ; un masque ne résout pas en soi l'occlusion, les limites ou l'incohérence de couleur.
Sources primaires : DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Parsing facial
#Aussi appelé : segmentation sémantique faciale
Segmentation sémantique au niveau du pixel des composants faciaux et des régions environnantes, tels que la peau, les yeux, la bouche, les cheveux ou l'arrière-plan.
Limite des preuves : Les ensembles d'étiquettes et la qualité de segmentation dépendent de l'analyseur et de l'ensemble de données, et des régions incorrectes peuvent se propager dans la synthèse ou la composition ultérieure.
Sources primaires : Fine-Grained Face Swapping via Regional GAN Inversion
Fusion des contours du visage
#Aussi appelé : fusion des limites, composition faciale
Étape de composition qui fait la transition d'une région faciale synthétisée dans la cible autour du teint, des bords, de l'éclairage et du contenu environnant.
Limite des preuves : Une limite visuellement lisse n'établit pas une identité correcte, des caractéristiques internes naturelles ou un comportement cohérent à travers les trames vidéo.
Sources primaires : Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection
Occlusion
#Aussi appelé : obstruction faciale, visage occlus
Condition dans laquelle une partie d'un visage est cachée par les cheveux, les mains, les lunettes, des objets, une autre personne ou le bord de l'image.
Limite des preuves : La gestion de l'occlusion dépend de la méthode et de la scène ; un benchmark doit spécifier la région affectée et les conditions de visualisation.
Sources primaires : Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Pose de la tête
#Aussi appelé : pose du visage, orientation de la tête
Orientation estimée d'une tête par rapport à la caméra, souvent représentée par le lacet, le tangage et le roulis ou par des points de repère et des paramètres 3D.
Limite des preuves : Les valeurs de pose dépendent de l'estimateur et de la convention de coordonnées ; faire correspondre la pose seule ne peut pas prédire le réalisme de la sortie.
Sources primaires : DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Expression faciale
#Aussi appelé : préservation de l'expression
Configuration visible des traits du visage associée à des movments tels que sourire, clignement des yeux ou ouverture de la bouche, souvent traitée comme un attribut cible dans l'échange de visage.
Limite des preuves : Les étiquettes et paramètres d'expression dépendent de l'estimateur et peuvent manquer un comportement subtil, asymétrique ou culturellement interprété.
Sources primaires : PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Cohérence vidéo
Cohérence vidéo
Concepts de mouvement et de séquence d'images qui n'existent pas dans une seule image fixe.
Cohérence temporelle
#Aussi appelé : cohérence temporelle, cohérence image par image
Stabilité des indices d'identité, des attributs cibles et des détails visuels à travers des trames vidéo consécutives plutôt que dans une trame isolée.
Limite des preuves : Une mesure de cohérence élevée peut préserver le mauvais résultat de manière cohérente, donc l'exactitude de l'identité et la qualité visible doivent être évaluées séparément.
Sources primaires : DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Flux optique
#Aussi appelé : champ de mouvement, correspondance de pixels
Champ de mouvement dense estimé qui fait correspondre les emplacements d'image entre les trames et peut prendre en charge l'analyse de mouvement, le warping ou les diagnostics temporels.
Limite des preuves : Le flux optique est une estimation qui peut échouer autour de l'occlusion, du flou, des changements d'éclairage et des régions nouvellement visibles ; ce n'est pas un score de qualité en soi.
Sources primaires : RAFT: Recurrent All-Pairs Field Transforms for Optical Flow; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Évaluation
Évaluation
Métriques et protocoles de révision qui répondent à différentes questions de qualité dans des conditions explicites.
Structural Similarity Index (SSIM)
#Aussi appelé : SSIM
Mesure de similarité d'image de référence complète qui compare la luminance, le contraste et la structure entre une image test et une image de référence.
Limite des preuves : SSIM nécessite une référence alignée significative, n'est pas spécifique au visage, et sa valeur dépend de l'échelle, du fenêtrage, du traitement des couleurs et du prétraitement.
Sources primaires : Image Quality Assessment: From Error Visibility to Structural Similarity
Learned Perceptual Image Patch Similarity (LPIPS)
#Aussi appelé : LPIPS, similarité perceptuelle apprise
Distance perceptuelle basée sur les caractéristiques d'un réseau profond qui a été évaluée par rapport aux jugements humains de similarité de patchs d'image.
Limite des preuves : LPIPS n'est pas un score d'identité ; les valeurs dépendent du réseau sélectionné, de l'étalonnage, de la préparation de l'image et du protocole de comparaison.
Sources primaires : The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Frechet Inception Distance (FID)
#Aussi appelé : FID
Distance au niveau de l'ensemble entre les distributions de caractéristiques d'images générées et de collections d'images de référence, initialement calculée avec les caractéristiques Inception.
Limite des preuves : FID n'est pas un score défendable pour une seule image, et les résultats dépendent du nombre d'échantillons, de l'extracteur de caractéristiques, du prétraitement, de l'ensemble de référence et de l'implémentation.
Sources primaires : 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
Évaluation de qualité sans référence
#Aussi appelé : NR-IQA, évaluation aveugle de la qualité d'image
Méthode qui estime la qualité visuelle à partir d'une sortie sans nécessiter une image de référence originale appariée.
Limite des preuves : Sa validité dépend des données d'entraînement et de la conception de validation ; un score peut échouer sur des méthodes, contenus ou distorsions non vus.
Sources primaires : Rank-based No-reference Quality Assessment for Face Swapping
Fiche d'évaluation par examen humain
#Aussi appelé : grille d'évaluation humaine, grille d'évaluation des résultats
Rubrique reproductible qui demande à un évaluateur d'enregistrer des critères visibles, des ancres de notation, des barrières critiques et des notes pour une sortie spécifique.
Limite des preuves : Elle enregistre des observations humaines structurées, pas la précision du modèle, l'identité biométrique, une probabilité ou un classement à l'échelle du fournisseur.
Sources primaires : Fiche de score de qualité de sortie d'échange de visage DeepSwapAI; Rank-based No-reference Quality Assessment for Face Swapping
Provenance
Provenance
Normes pour enregistrer d'où vient le contenu numérique et ce qui lui est arrivé.
C2PA
#Aussi appelé : Coalition pour la provenance et l'authenticité du contenu
Une norme technique ouverte pour enregistrer des informations de provenance infalsifiables sur le contenu numérique via des manifestes, assertions, ingrédients et revendications signés.
Limite des preuves : C2PA peut fournir des preuves de provenance et des signaux de falsification, mais la spécification ne détermine pas si le contenu représenté est vrai, exact ou éthiquement autorisé.
Sources primaires : C2PA Technical Specification 2.4; Explicateur C2PA 2.3
Informations d'identification du contenu
#Aussi appelé : Content Credentials C2PA, justificatifs de provenance du contenu
Présentation orientée utilisateur des informations de provenance associées à un actif numérique via l'écosystème C2PA.
Limite des preuves : La disponibilité et les détails affichés dépendent du justificatif, du signataire, du validateur, de l'actif et de la plateforme ; un justificatif n'est pas une déclaration que le contenu est factuellement vrai.
Sources primaires : Explicateur C2PA 2.3; C2PA Technical Specification 2.4
Interprétation des métriques
Quatre règles pour éviter les comparaisons trompeuses
Nommer la relation
Les métriques d'identité comparent normalement la sortie avec l'identité source. La préservation de la pose et de l'expression compare normalement la sortie avec la cible. Ce sont des questions différentes.
Maintenir le protocole constant
L'ensemble de données, le recadrage, l'évaluateur, le prétraitement, l'implémentation, le nombre d'échantillons et l'agrégation peuvent tous modifier une valeur rapportée. Un nom de métrique partagé ne suffit pas.
Séparer les preuves au niveau de l'ensemble et de la sortie unique
FID décrit les distributions d'ensembles d'images. SSIM et LPIPS nécessitent une référence de comparaison significative. Une grille d'évaluation humaine enregistre des observations visibles sur une sortie examinée.
Ne pas réduire chaque dimension de qualité
L'identité, la préservation des attributs cibles, les limites, l'occlusion, l'intégrité technique et la stabilité temporelle peuvent échouer indépendamment et doivent rester inspectables.
Questions sur le glossaire
Comment utiliser ces définitions
Cette page révèle-t-elle la pile de modèles exacte de DeepSwapAI ?
Non. Elle définit des concepts industriels et de recherche sans prétendre que chaque méthode citée fait partie de l'implémentation de production.
Puis-je comparer la même métrique entre deux articles ?
Seulement après avoir vérifié que les ensembles de données, les évaluateurs, les prétraitements, les implémentations et les règles d'agrégation correspondent.
FID peut-il mesurer une seule sortie ?
Non. FID est une mesure au niveau de la distribution et nécessite des ensembles d'images générées et de référence.
Les Content Credentials prouvent-ils qu'une image est vraie ?
Non. Ils fournissent des informations de provenance et des signaux de validation, pas un jugement de vérité factuelle.
Commencer le face swap
Face swap IA dans le navigateur pour photos, lots, groupes, vidéos et GIF autorisés.