Referensi teknis yang dikutip sumbernya
Glosarium swap wajah AI
Definisi bahasa Inggris sederhana untuk 24 istilah yang digunakan dalam penelitian dan evaluasi penukaran wajah, masing-masing dipasangkan dengan sumber utama dan batasan yang mencegah klaim berlebihan.
Jawaban langsung
Terminologi penukaran wajah membutuhkan definisi dan batasan
Wajah sumber menyediakan isyarat identitas. Media target menyediakan pemandangan dan atribut non-identitas yang dimaksud. Deteksi, penyelarasan, masking, dan pembuatan menggambarkan bagian dari alur kerja; kesamaan identitas, metrik persepsi, dan tinjauan manusia menjawab pertanyaan evaluasi yang berbeda.
Batas implementasi: halaman ini menjelaskan terminologi yang ditemukan dalam makalah penelitian, protokol evaluasi, dan spesifikasi C2PA. Kutipan di sini tidak berarti DeepSwapAI menggunakan setiap metode, arsitektur, model, metrik, atau fitur asal-usul yang disebutkan.
Indeks istilah
Lompat ke konsep yang Anda butuhkan
Dasar alur kerja
Dasar alur kerja
Peran media dan istilah prapemrosesan geometris yang mendefinisikan apa yang memasuki alur kerja penukaran wajah.
Pertukaran wajah
#Juga disebut: penukaran wajah AI, penukaran wajah
Tugas visi komputer yang mentransfer isyarat identitas dari wajah sumber ke dalam gambar atau video target sambil berusaha mempertahankan atribut target seperti pose, ekspresi, rambut, dan latar belakang.
Batas bukti: Ini adalah definisi tugas, bukan jaminan bahwa setiap sistem mempertahankan setiap atribut atau bahwa penggunaan tertentu memiliki izin.
Sumber utama: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Wajah sumber
#Juga disebut: identitas sumber, referensi identitas
Orang atau gambar referensi yang menyediakan isyarat identitas yang dimaksudkan untuk wajah yang dihasilkan.
Batas bukti: Sumber biasanya tidak mendefinisikan pemandangan target, tubuh, rambut, pose, atau latar belakang, dan pembagian yang tepat tergantung pada metode.
Sumber utama: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Reinforced Disentanglement for Face Swapping without Skip Connection
Media target
#Juga disebut: gambar target, video target
Gambar atau video yang menyediakan pemandangan dan atribut non-identitas yang coba dipertahankan oleh metode swap wajah.
Batas bukti: Metode berbeda dalam atribut target mana yang mereka pertahankan, sehingga pelestarian target harus dievaluasi daripada diasumsikan.
Sumber utama: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Deteksi wajah
#Juga disebut: lokalisasi wajah, lokalisasi wajah
Proses menemukan satu atau lebih wilayah wajah dalam gambar atau bingkai video sebelum penyelarasan, ekstraksi fitur, atau generasi.
Batas bukti: Wilayah wajah yang terdeteksi bukanlah keputusan identitas, pemeriksaan persetujuan, atau bukti bahwa pemrosesan selanjutnya akan berhasil.
Sumber utama: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild
Titik landmark wajah
#Juga disebut: landmark wajah, titik landmark
Perkiraan titik kunci wajah, seperti sudut mata, hidung, dan lokasi mulut, digunakan untuk menggambarkan geometri wajah untuk penyelarasan atau pengkondisian.
Batas bukti: Tata letak landmark, jumlah titik, dan unit kesalahan bervariasi menurut detektor dan protokol; mereka tidak dapat dipertukarkan secara langsung.
Sumber utama: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion
Penyelarasan wajah
#Juga disebut: penyelarasan wajah, potongan wajah yang diselaraskan
Langkah normalisasi geometris yang menggunakan struktur wajah yang terdeteksi untuk menempatkan wajah ke dalam potongan, skala, dan orientasi yang konsisten untuk pemrosesan selanjutnya.
Batas bukti: Konvensi dan transformasi penyelarasan bervariasi, dan potongan yang diselaraskan tidak menetapkan identitas, kualitas, atau izin.
Sumber utama: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Identitas dan pelestarian
Identitas dan pelestarian
Konsep yang digunakan untuk memisahkan isyarat identitas sumber dari atribut target yang coba dipertahankan oleh hasil.
Embedding wajah
#Juga disebut: penyematan identitas, vektor fitur wajah
Representasi numerik yang dipelajari yang dirancang sehingga gambar wajah dapat dibandingkan dalam ruang fitur di bawah model pengenalan dan protokol pra-pemrosesan tertentu.
Batas bukti: Dimensi vektor, fungsi jarak, dan ambang keputusan tergantung pada model dan pengaturan evaluasi; penyematan bukanlah putusan identitas secara inheren atau dijamin secara matematis tidak dapat direkonstruksi.
Sumber utama: ArcFace: Additive Angular Margin Loss for Deep Face Recognition
Kesamaan identitas
#Juga disebut: retensi identitas, skor pelestarian identitas
Perbandingan bergantung protokol antara representasi identitas sumber dan output, biasanya dihitung dari encoder wajah bernama dan fungsi kesamaan.
Batas bukti: Skor tidak portabel antar encoder, potongan, kumpulan data, ambang batas, atau demografi dan tidak boleh disajikan sebagai putusan biometrik untuk satu keluaran.
Sumber utama: ArcFace: Additive Angular Margin Loss for Deep Face Recognition; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Pelestarian atribut target
#Juga disebut: pelestarian atribut, konsistensi target
Sejauh mana hasil mempertahankan karakteristik target yang dimaksud seperti pose, ekspresi, rambut, pencahayaan, pakaian, dan latar belakang sambil mengubah isyarat identitas wajah.
Batas bukti: Atribut dan estimator yang dievaluasi harus disebutkan; satu skor agregat dapat menyembunyikan kegagalan dalam atribut individu.
Sumber utama: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Topeng wajah
#Juga disebut: topeng penukaran, topeng wajah
Peta spasial yang mengidentifikasi wilayah gambar mana yang dapat dihasilkan, dicampur, atau dievaluasi sebagai bagian dari operasi swap wajah.
Batas bukti: Konstruksi dan semantik topeng bervariasi menurut metode; topeng tidak dengan sendirinya menyelesaikan oklusi, batas, atau ketidakkonsistenan warna.
Sumber utama: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
Penguraian wajah
#Juga disebut: segmentasi semantik wajah
Segmentasi semantik tingkat piksel dari komponen wajah dan wilayah sekitarnya, seperti kulit, mata, mulut, rambut, atau latar belakang.
Batas bukti: Kumpulan label dan kualitas segmentasi tergantung pada pengurai dan kumpulan data, dan wilayah yang salah dapat menyebar ke sintesis atau penggabungan selanjutnya.
Sumber utama: Fine-Grained Face Swapping via Regional GAN Inversion
Pencampuran batas wajah
#Juga disebut: penggabungan batas, penggabungan wajah
Langkah pengomposisian yang mentransisikan wilayah wajah yang disintesis ke dalam target di sekitar warna kulit, tepi, pencahayaan, dan konten di dekatnya.
Batas bukti: Batas yang halus secara visual tidak menetapkan identitas yang benar, fitur internal yang alami, atau perilaku yang konsisten di seluruh bingkai video.
Sumber utama: Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection
Oklusi
#Juga disebut: halangan wajah, wajah terhalang
Kondisi di mana sebagian wajah tersembunyi oleh rambut, tangan, kacamata, benda, orang lain, atau batas gambar.
Batas bukti: Penanganan oklusi tergantung pada metode dan pemandangan; tolok ukur harus menentukan wilayah yang terpengaruh dan kondisi tampilan.
Sumber utama: Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Pose kepala
#Juga disebut: pose wajah, orientasi kepala
Perkiraan orientasi kepala relatif terhadap kamera, sering diwakili oleh yaw, pitch, dan roll atau oleh landmark dan parameter 3D.
Batas bukti: Nilai pose tergantung pada estimator dan konvensi koordinat; mencocokkan pose saja tidak dapat memprediksi realisme keluaran.
Sumber utama: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
Ekspresi wajah
#Juga disebut: pelestarian ekspresi
Konfigurasi fitur wajah yang terlihat terkait dengan gerakan seperti tersenyum, berkedip, atau membuka mulut, sering diperlakukan sebagai atribut target dalam pertukaran wajah.
Batas bukti: Label dan parameter ekspresi tergantung pada estimator dan dapat melewatkan perilaku halus, asimetris, atau yang ditafsirkan secara budaya.
Sumber utama: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
Konsistensi video
Konsistensi video
Konsep gerak dan urutan bingkai yang tidak ada dalam satu gambar diam.
Konsistensi temporal
#Juga disebut: koherensi temporal, konsistensi bingkai-ke-bingkai
Stabilitas isyarat identitas, atribut target, dan detail visual di seluruh bingkai video yang berurutan daripada dalam satu bingkai terisolasi.
Batas bukti: Ukuran konsistensi yang tinggi dapat mempertahankan hasil yang salah secara konsisten, sehingga kebenaran identitas dan kualitas yang terlihat harus dievaluasi secara terpisah.
Sumber utama: DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Aliran optik
#Juga disebut: medan gerak, korespondensi piksel
Perkiraan medan gerak padat yang memetakan lokasi gambar antar bingkai dan dapat mendukung analisis gerak, warping, atau diagnostik temporal.
Batas bukti: Aliran optik adalah perkiraan yang dapat gagal di sekitar oklusi, keburaman, perubahan pencahayaan, dan wilayah yang baru terlihat; ini bukan skor kualitas dengan sendirinya.
Sumber utama: RAFT: Recurrent All-Pairs Field Transforms for Optical Flow; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
Evaluasi
Evaluasi
Metrik dan protokol tinjauan yang menjawab pertanyaan kualitas yang berbeda dalam kondisi eksplisit.
Structural Similarity Index (SSIM)
#Juga disebut: SSIM
Ukuran kesamaan gambar referensi penuh yang membandingkan luminansi, kontras, dan struktur antara gambar uji dan gambar referensi.
Batas bukti: SSIM memerlukan referensi selaras yang bermakna, tidak spesifik untuk wajah, dan nilainya tergantung pada skala, windowing, penanganan warna, dan prapemrosesan.
Sumber utama: Image Quality Assessment: From Error Visibility to Structural Similarity
Learned Perceptual Image Patch Similarity (LPIPS)
#Juga disebut: LPIPS, kesamaan persepsi yang dipelajari
Jarak persepsi berdasarkan fitur jaringan dalam yang dievaluasi terhadap penilaian manusia tentang kesamaan patch gambar.
Batas bukti: LPIPS bukan skor identitas; nilai tergantung pada jaringan yang dipilih, kalibrasi, persiapan gambar, dan protokol perbandingan.
Sumber utama: The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Frechet Inception Distance (FID)
#Juga disebut: FID
Jarak tingkat set antara distribusi fitur dari kumpulan gambar yang dihasilkan dan referensi, awalnya dihitung dengan fitur Inception.
Batas bukti: FID bukan skor gambar tunggal yang dapat dipertahankan, dan hasil tergantung pada jumlah sampel, ekstraktor fitur, prapemrosesan, set referensi, dan implementasi.
Sumber utama: 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
Penilaian kualitas tanpa referensi
#Juga disebut: NR-IQA, penilaian kualitas gambar buta
Metode yang memperkirakan kualitas visual dari keluaran tanpa memerlukan gambar referensi asli yang berpasangan.
Batas bukti: Validitasnya tergantung pada data pelatihan dan desain validasi; skor dapat gagal pada metode, konten, atau distorsi yang tidak terlihat.
Sumber utama: Rank-based No-reference Quality Assessment for Face Swapping
Kartu skor peninjauan manusia
#Juga disebut: rubrik evaluasi manusia, rubrik tinjauan keluaran
Rubrik yang dapat diulang yang meminta peninjau untuk mencatat kriteria yang terlihat, jangkar penilaian, gerbang kritis, dan catatan untuk keluaran tertentu.
Batas bukti: Ini mencatat pengamatan manusia yang terstruktur, bukan akurasi model, identitas biometrik, probabilitas, atau peringkat seluruh penyedia.
Sumber utama: DeepSwapAI kartu skor kualitas keluaran penukaran wajah; Rank-based No-reference Quality Assessment for Face Swapping
Asal-usul
Asal-usul
Standar untuk mencatat dari mana konten digital berasal dan apa yang terjadi padanya.
C2PA
#Juga disebut: Koalisi untuk Asal-usul dan Keaslian Konten
Standar teknis terbuka untuk merekam informasi asal-usul yang tahan terhadap kerusakan tentang konten digital melalui manifes, pernyataan, bahan, dan klaim yang ditandatangani.
Batas bukti: C2PA dapat memberikan bukti asal-usul dan sinyal kerusakan, tetapi spesifikasi tidak menentukan apakah konten yang digambarkan itu benar, akurat, atau diizinkan secara etis.
Sumber utama: C2PA Technical Specification 2.4; Penjelasan C2PA 2.3
Kredensial Konten
#Juga disebut: Kredensial Konten C2PA, kredensial asal-usul konten
Penyajian informasi asal-usul yang berorientasi pengguna yang terkait dengan aset digital melalui ekosistem C2PA.
Batas bukti: Ketersediaan dan detail yang ditampilkan bergantung pada kredensial, penanda tangan, validator, aset, dan platform; kredensial bukanlah pernyataan bahwa konten benar secara faktual.
Sumber utama: Penjelasan C2PA 2.3; C2PA Technical Specification 2.4
Interpretasi metrik
Empat aturan mencegah perbandingan yang menyesatkan
Sebutkan hubungannya
Metrik identitas biasanya membandingkan keluaran dengan identitas sumber. Pelestarian pose dan ekspresi biasanya membandingkan keluaran dengan target. Ini adalah pertanyaan yang berbeda.
Pertahankan protokol tetap konstan
Kumpulan data, pemotongan, evaluator, prapemrosesan, implementasi, jumlah sampel, dan agregasi semuanya dapat mengubah nilai yang dilaporkan. Nama metrik bersama tidaklah cukup.
Pisahkan bukti tingkat kumpulan dan bukti keluaran tunggal
FID menggambarkan distribusi kumpulan gambar. SSIM dan LPIPS memerlukan referensi perbandingan yang bermakna. Kartu skor manusia mencatat pengamatan yang terlihat tentang satu keluaran yang ditinjau.
Jangan meruntuhkan setiap dimensi kualitas
Identitas, pelestarian atribut target, batas, oklusi, integritas teknis, dan stabilitas temporal dapat gagal secara independen dan harus tetap dapat diperiksa.
Gunakan peta keputusan berversi: peta metrik evaluasi penukaran wajah menghubungkan istilah-istilah ini dengan masukan yang dibandingkan, tingkat protokol, prasyarat, arah interpretasi, dan sumber utama. Catatan JSON, CSV, dan BibTeX-nya tercantum dalam katalog riset.
Pertanyaan glosarium
Cara menggunakan definisi ini
Apakah halaman ini mengungkapkan tumpukan model DeepSwapAI yang tepat?
Tidak. Halaman ini mendefinisikan konsep industri dan riset tanpa menyatakan bahwa setiap metode yang dikutip adalah bagian dari implementasi produksi.
Dapatkah saya membandingkan metrik yang sama di dua makalah?
Hanya setelah memeriksa bahwa kumpulan data, evaluator, prapemrosesan, implementasi, dan aturan agregasi cocok.
Bisakah FID mengukur satu keluaran?
Tidak. FID adalah ukuran tingkat distribusi dan membutuhkan kumpulan gambar yang dihasilkan dan referensi.
Apakah Kredensial Konten membuktikan bahwa suatu gambar itu benar?
Tidak. Kredensial Konten memberikan informasi asal-usul dan sinyal validasi, bukan penilaian kebenaran faktual.
Terapkan istilah pada satu keluaran yang terlihat
Gunakan kartu skor gratis untuk meninjau identitas, batas, pose, pencahayaan, oklusi, integritas teknis, dan stabilitas video tanpa mengubah satu sampel menjadi klaim di seluruh penyedia.