Glosaryo ng AI face swap

Tinatawag ding: AI face swap, pagpapalit ng mukha

Isang computer-vision task na naglilipat ng identity cues mula sa isang source face patungo sa isang target na imahe o video habang sinusubukang panatilihin ang target attributes tulad ng pose, expression, buhok, at background.

Hangganan ng ebidensya: Ito ay isang task definition, hindi isang garantiya na ang bawat sistema ay nagpapanatili ng bawat katangian o na ang isang partikular na paggamit ay may pahintulot.

Mga pangunahing pinagmulan: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion

Gamitin ito sa konteksto: Gabay sa photo face swap; Metodolohiya ng pagpapatunay

Tinatawag ding: pinagmulan na identidad, sangguniang identidad

Ang tao o reference image na nagbibigay ng identity cues na nilayon para sa nabuong mukha.

Hangganan ng ebidensya: Ang source ay hindi karaniwang tumutukoy sa target scene, body, hair, pose, o background, at ang eksaktong paghahati ay depende sa pamamaraan.

Mga pangunahing pinagmulan: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Reinforced Disentanglement for Face Swapping without Skip Connection

Gamitin ito sa konteksto: Gabay sa input ng larawan; Input readiness checker

Tinatawag ding: target image, target video

Ang imahe o video na nagbibigay ng eksena at ang non-identity attributes na sinusubukang panatilihin ng isang face-swap method.

Hangganan ng ebidensya: Ang mga pamamaraan ay naiiba sa kung aling mga target na katangian ang kanilang pinapanatili, kaya ang pagpapanatili ng target ay dapat suriin sa halip na ipagpalagay.

Mga pangunahing pinagmulan: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video

Gamitin ito sa konteksto: Gabay sa video face swap; Quality scorecard

Tinatawag ding: lokalisasyon ng mukha, pagtukoy sa lokasyon ng mukha

Ang proseso ng paghahanap ng isa o higit pang face regions sa isang imahe o video frame bago ang alignment, feature extraction, o generation.

Hangganan ng ebidensya: Ang isang nakitang rehiyon ng mukha ay hindi isang identity decision, consent check, o patunay na magtatagumpay ang susunod na pagproseso.

Mga pangunahing pinagmulan: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild

Gamitin ito sa konteksto: Gabay sa maramihang face swap; Pipeline architecture

Tinatawag ding: mga palatandaan ng mukha, mga puntong palatandaan

Tinatayang facial key points, tulad ng eye corners, ilong, at lokasyon ng bibig, na ginagamit upang ilarawan ang facial geometry para sa alignment o conditioning.

Hangganan ng ebidensya: Ang mga layout ng landmark, bilang ng punto, at mga yunit ng error ay nag-iiba ayon sa detector at protocol; hindi sila direktang mapapalitan.

Mga pangunahing pinagmulan: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion

Gamitin ito sa konteksto: Input readiness checker; Technical glossary

Tinatawag ding: pag-align ng mukha, naka-align na crop ng mukha

Isang geometric normalization step na gumagamit ng natukoy na facial structure upang ilagay ang isang mukha sa isang pare-parehong crop, scale, at orientation para sa later processing.

Hangganan ng ebidensya: Ang mga alignment convention at transform ay nag-iiba, at ang isang aligned crop ay hindi nagtatatag ng pagkakakilanlan, kalidad, o pahintulot.

Mga pangunahing pinagmulan: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; ArcFace: Additive Angular Margin Loss for Deep Face Recognition

Gamitin ito sa konteksto: Pipeline architecture; Gabay sa photo face swap

Tinatawag ding: embedding ng identidad, vector ng tampok ng mukha

Isang natutunang numerical representation na idinisenyo upang ang facial images ay maihambing sa isang feature space sa ilalim ng isang partikular na recognition model at preprocessing protocol.

Hangganan ng ebidensya: Ang mga dimensyon ng vector, distance functions, at decision thresholds ay depende sa modelo at setup ng pagsusuri; ang isang embedding ay hindi likas na isang identity verdict o mathematically guaranteed na hindi ma-reconstruct.

Mga pangunahing pinagmulan: ArcFace: Additive Angular Margin Loss for Deep Face Recognition

Gamitin ito sa konteksto: Quality scorecard; Gabay sa privacy at pahintulot

Tinatawag ding: pagpapanatili ng identidad, marka ng pagpapanatili ng identidad

Isang protocol-dependent na paghahambing sa pagitan ng source-identity at output representations, karaniwang kinakalkula mula sa isang pinangalanang face encoder at similarity function.

Hangganan ng ebidensya: Ang mga marka ay hindi portable sa iba't ibang encoder, crop, dataset, threshold, o demograpiko at hindi dapat iharap bilang isang biometric verdict para sa isang output.

Mga pangunahing pinagmulan: ArcFace: Additive Angular Margin Loss for Deep Face Recognition; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion

Gamitin ito sa konteksto: Mga sukatan ng kalidad ng face swap; Katalogo ng pananaliksik

Tinatawag ding: pagpapanatili ng katangian, pagkakapare-pareho ng target

Ang lawak kung saan pinapanatili ng isang resulta ang mga nilalayong katangian ng target tulad ng pose, ekspresyon, buhok, ilaw, damit, at background habang binabago ang mga pahiwatig ng pagkakakilanlan ng mukha.

Hangganan ng ebidensya: Ang mga sinusuri na katangian at estimator ay dapat pangalanan; ang isang pinagsama-samang marka ay maaaring magtago ng mga pagkabigo sa isang indibidwal na katangian.

Mga pangunahing pinagmulan: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video

Gamitin ito sa konteksto: Output quality scorecard; Gabay sa kalidad ng larawan

Tinatawag ding: palitan ang maskara, facial mask

Isang spatial na mapa na tumutukoy kung aling bahagi ng imahe ang maaaring mabuo, ihalo, o suriin bilang bahagi ng isang operasyon ng pagpapalit ng mukha.

Hangganan ng ebidensya: Ang pagbuo at semantika ng mask ay nag-iiba ayon sa pamamaraan; ang isang mask ay hindi sa sarili nito ay lumulutas ng occlusion, boundary, o color inconsistency.

Mga pangunahing pinagmulan: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion

Gamitin ito sa konteksto: Pipeline architecture; Gabay sa pagsusuri ng output

Tinatawag ding: facial semantic segmentation

Pag-segment ng semantiko sa antas ng pixel ng mga bahagi ng mukha at mga nakapaligid na rehiyon, tulad ng balat, mata, bibig, buhok, o background.

Hangganan ng ebidensya: Ang mga set ng label at kalidad ng segmentation ay depende sa parser at dataset, at ang mga maling rehiyon ay maaaring kumalat sa susunod na synthesis o compositing.

Mga pangunahing pinagmulan: Fine-Grained Face Swapping via Regional GAN Inversion

Gamitin ito sa konteksto: Gabay sa kalidad ng larawan; Pipeline architecture

Tinatawag ding: paghahalo ng hangganan, pag-composite ng mukha

Ang hakbang ng compositing na nagpapalipat-lipat ng isang synthesize na bahagi ng mukha patungo sa target sa paligid ng kulay ng balat, mga gilid, ilaw, at kalapit na nilalaman.

Hangganan ng ebidensya: Ang isang visually smooth boundary ay hindi nagtatatag ng tamang pagkakakilanlan, natural na internal features, o pare-parehong pag-uugali sa mga frame ng video.

Mga pangunahing pinagmulan: Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection

Gamitin ito sa konteksto: Output quality scorecard; Gabay sa photo face swap

Tinatawag ding: pagkakatakip sa mukha, natatakpang mukha

Isang kondisyon kung saan ang bahagi ng mukha ay nakatago ng buhok, kamay, salamin, bagay, ibang tao, o hangganan ng imahe.

Hangganan ng ebidensya: Ang paghawak ng occlusion ay depende sa pamamaraan at eksena; ang isang benchmark ay dapat tukuyin ang apektadong rehiyon at mga kondisyon ng pagtingin.

Mga pangunahing pinagmulan: Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video

Gamitin ito sa konteksto: Input readiness checker; Gabay sa paghahanda ng video

Tinatawag ding: pose ng mukha, oryentasyon ng ulo

Ang tinatayang oryentasyon ng isang ulo kaugnay ng kamera, madalas na kinakatawan ng yaw, pitch, at roll o ng mga landmark at 3D parameter.

Hangganan ng ebidensya: Ang mga halaga ng pose ay depende sa estimator at coordinate convention; ang pagtutugma ng pose lamang ay hindi mahuhulaan ang pagiging makatotohanan ng output.

Mga pangunahing pinagmulan: DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion

Gamitin ito sa konteksto: Gabay sa kalidad ng larawan; Input readiness checker

Tinatawag ding: expression preservation

Ang nakikitang konpigurasyon ng mga tampok ng mukha na nauugnay sa mga emosyon tulad ng pagngiti, pagkurap, o pagbuka ng bibig, madalas na itinuturing na isang target na katangian sa pagpapalit ng mukha.

Hangganan ng ebidensya: Ang mga label at parameter ng ekspresyon ay depende sa estimator at maaaring makaligtaan ang banayad, asymmetric, o kultural na interpretadong pag-uugali.

Mga pangunahing pinagmulan: PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video

Gamitin ito sa konteksto: Output quality scorecard; Gabay sa video face swap

Tinatawag ding: temporal na pagkakaugnay, pagkakapare-pareho sa bawat frame

Ang katatagan ng mga pahiwatig ng pagkakakilanlan, mga target na katangian, at visual na detalye sa magkakasunod na mga frame ng video sa halip na sa isang nakahiwalay na frame.

Hangganan ng ebidensya: Ang isang mataas na sukatan ng pagkakapare-pareho ay maaaring patuloy na mapanatili ang maling resulta, kaya ang kawastuhan ng pagkakakilanlan at nakikitang kalidad ay dapat suriin nang hiwalay.

Mga pangunahing pinagmulan: DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation

Gamitin ito sa konteksto: Gabay sa video face swap; Video quality scorecard

Tinatawag ding: larangan ng galaw, pagtutugma ng mga pixel

Isang tinatayang siksik na motion field na nagmamapa ng mga lokasyon ng imahe sa pagitan ng mga frame at maaaring sumuporta sa pagsusuri ng galaw, warping, o temporal na diagnostic.

Hangganan ng ebidensya: Ang optical flow ay isang pagtatantya na maaaring mabigo sa paligid ng occlusion, blur, pagbabago ng ilaw, at mga bagong nakikitang rehiyon; ito ay hindi isang quality score sa sarili nito.

Mga pangunahing pinagmulan: RAFT: Recurrent All-Pairs Field Transforms for Optical Flow; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation

Gamitin ito sa konteksto: Gabay sa workflow ng video; Pipeline architecture

Tinatawag ding: SSIM

Isang sukatan ng pagkakatulad ng imahe na may buong sanggunian na naghahambing ng luminance, contrast, at istraktura sa pagitan ng isang test image at isang reference image.

Hangganan ng ebidensya: Ang SSIM ay nangangailangan ng isang makabuluhang aligned reference, ay hindi partikular sa mukha, at ang halaga nito ay depende sa scale, windowing, color handling, at preprocessing.

Mga pangunahing pinagmulan: Image Quality Assessment: From Error Visibility to Structural Similarity

Gamitin ito sa konteksto: Mga sukatan ng kalidad ng face swap; Metodolohiya ng pananaliksik

Tinatawag ding: LPIPS, natutunang perceptual na pagkakatulad

Isang perceptual na distansya batay sa mga deep network features na sinuri laban sa mga paghuhusga ng tao sa pagkakatulad ng image patch.

Hangganan ng ebidensya: Ang LPIPS ay hindi isang identity score; ang mga halaga ay depende sa napiling network, calibration, paghahanda ng imahe, at protocol ng paghahambing.

Mga pangunahing pinagmulan: The Unreasonable Effectiveness of Deep Features as a Perceptual Metric

Gamitin ito sa konteksto: Mga sukatan ng kalidad ng face swap; Kontroladong pananaliksik

Tinatawag ding: FID

Isang set-level na distansya sa pagitan ng mga distribusyon ng feature mula sa mga koleksyon ng generated at reference na imahe, orihinal na kinakalkula gamit ang Inception features.

Hangganan ng ebidensya: Ang FID ay hindi isang maipagtatanggol na isahang-marka ng larawan, at ang mga resulta ay nakadepende sa bilang ng sample, feature extractor, preprocessing, reference set, at implementasyon.

Mga pangunahing pinagmulan: 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

Gamitin ito sa konteksto: Mga sukatan ng kalidad ng face swap; Katalogo ng pananaliksik

Tinatawag ding: NR-IQA, pagtatasa ng kalidad ng imahe nang walang sanggunian

Isang pamamaraan na tinatantya ang visual na kalidad mula sa isang output nang hindi nangangailangan ng isang paired pristine reference image.

Hangganan ng ebidensya: Ang bisa nito ay nakadepende sa training data at validation design; ang isang marka ay maaaring mabigo sa mga hindi pa nakikitang pamamaraan, nilalaman, o distortion.

Mga pangunahing pinagmulan: Rank-based No-reference Quality Assessment for Face Swapping

Gamitin ito sa konteksto: Output quality scorecard; Metodolohiya ng pagpapatunay

Tinatawag ding: rubrik ng pagsusuri ng tao, rubrik ng pagsusuri ng output

Isang nauulit na rubric na humihiling sa isang tagasuri na itala ang mga nakikitang pamantayan, rating anchors, critical gates, at mga tala para sa isang partikular na output.

Hangganan ng ebidensya: Nagtatala ito ng mga structured na obserbasyon ng tao, hindi ang katumpakan ng modelo, biometric identity, probabilidad, o ranggo sa buong provider.

Mga pangunahing pinagmulan: DeepSwapAI marka ng kalidad ng output ng face swap; Rank-based No-reference Quality Assessment for Face Swapping

Gamitin ito sa konteksto: Buksan ang scorecard; I-download ang research assets

Tinatawag ding: Koalisyon para sa Pinagmulan at Pagiging Totoo ng Nilalaman

Isang bukas na teknikal na pamantayan para sa pagtatala ng tamper-evident provenance na impormasyon tungkol sa digital na nilalaman sa pamamagitan ng signed manifests, assertions, ingredients, at claims.

Hangganan ng ebidensya: Ang C2PA ay maaaring magbigay ng ebidensya ng provenance at tamper signals, ngunit ang spec ay hindi tumutukoy kung ang nilalarawang content ay totoo, tumpak, o etikal na pinahihintulutan.

Mga pangunahing pinagmulan: C2PA Technical Specification 2.4; C2PA Explainer 2.3

Gamitin ito sa konteksto: Trust at safety; Metodolohiya ng pagpapatunay

Tinatawag ding: C2PA Content Credentials, mga kredensyal ng pinagmulan ng nilalaman

Ang presentasyon ng provenance na impormasyon na nakaharap sa gumagamit na nauugnay sa isang digital asset sa pamamagitan ng C2PA ecosystem.

Hangganan ng ebidensya: Ang availability at ipinapakitang detalye ay nakadepende sa credential, signer, validator, asset, at platform; ang isang credential ay hindi isang deklarasyon na ang content ay makatotohanan.

Mga pangunahing pinagmulan: C2PA Explainer 2.3; C2PA Technical Specification 2.4

Gamitin ito sa konteksto: Trust center; Gabay sa privacy at pahintulot