Bảng thuật ngữ hoán đổi khuôn mặt AI

Còn được gọi là: Hoán đổi khuôn mặt AI, hoán đổi khuôn mặt

Một tác vụ thị giác máy tính chuyển các dấu hiệu nhận dạng từ khuôn mặt nguồn vào hình ảnh hoặc video mục tiêu trong khi cố gắng bảo tồn các thuộc tính mục tiêu như tư thế, biểu cảm, tóc và nền.

Ranh giới bằng chứng: Đây là định nghĩa tác vụ, không phải là đảm bảo rằng mọi hệ thống đều bảo tồn mọi thuộc tính hoặc một mục đích sử dụng cụ thể có sự cho phép.

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

Sử dụng nó trong ngữ cảnh: Hướng dẫn hoán đổi khuôn mặt ảnh; Phương pháp xác minh

Còn được gọi là: danh tính nguồn, tham chiếu danh tính

Người hoặc hình ảnh tham chiếu cung cấp các dấu hiệu nhận dạng dành cho khuôn mặt được tạo ra.

Ranh giới bằng chứng: Nguồn thường không xác định cảnh mục tiêu, cơ thể, tóc, tư thế hoặc nền, và sự phân chia chính xác phụ thuộc vào phương pháp.

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

Sử dụng nó trong ngữ cảnh: Hướng dẫn đầu vào ảnh; Trình kiểm tra mức độ sẵn sàng đầu vào

Còn được gọi là: hình ảnh mục tiêu, video mục tiêu

Hình ảnh hoặc video cung cấp cảnh và các thuộc tính phi nhận dạng mà phương pháp hoán đổi khuôn mặt cố gắng giữ lại.

Ranh giới bằng chứng: Các phương pháp khác nhau về mức độ giữ lại các thuộc tính mục tiêu, vì vậy việc bảo tồn mục tiêu phải được đánh giá thay vì giả định.

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

Sử dụng nó trong ngữ cảnh: Hướng dẫn hoán đổi khuôn mặt video; Bảng điểm chất lượng

Còn được gọi là: định vị khuôn mặt, bản địa hóa khuôn mặt

Quá trình xác định một hoặc nhiều vùng khuôn mặt trong hình ảnh hoặc khung video trước khi căn chỉnh, trích xuất đặc trưng hoặc tạo.

Ranh giới bằng chứng: Một vùng khuôn mặt được phát hiện không phải là quyết định danh tính, kiểm tra sự đồng ý hoặc bằng chứng rằng xử lý sau đó sẽ thành công.

Nguồn chính: RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild

Sử dụng nó trong ngữ cảnh: Hướng dẫn hoán đổi khuôn mặt nhiều người; Kiến trúc đường ống

Còn được gọi là: điểm mốc khuôn mặt, điểm mốc

Các điểm chính trên khuôn mặt được ước tính, chẳng hạn như khóe mắt, mũi và vị trí miệng, được sử dụng để mô tả hình dạng khuôn mặt cho việc căn chỉnh hoặc điều kiện hóa.

Ranh giới bằng chứng: Bố cục điểm mốc, số lượng điểm và đơn vị lỗi khác nhau tùy theo bộ phát hiện và giao thức; chúng không thể hoán đổi trực tiếp.

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

Sử dụng nó trong ngữ cảnh: Trình kiểm tra mức độ sẵn sàng đầu vào; Thuật ngữ kỹ thuật

Còn được gọi là: căn chỉnh khuôn mặt, crop khuôn mặt đã căn chỉnh

Một bước chuẩn hóa hình học sử dụng cấu trúc khuôn mặt được phát hiện để đặt khuôn mặt vào một crop, tỷ lệ và hướng nhất quán cho xử lý tiếp theo.

Ranh giới bằng chứng: Các quy ước và phép biến đổi căn chỉnh khác nhau, và một crop đã căn chỉnh không thiết lập danh tính, chất lượng hoặc sự cho phép.

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

Sử dụng nó trong ngữ cảnh: Kiến trúc đường ống; Hướng dẫn hoán đổi khuôn mặt ảnh

Còn được gọi là: nhúng danh tính, vectơ đặc trưng khuôn mặt

Một biểu diễn số đã được học được thiết kế để các hình ảnh khuôn mặt có thể được so sánh trong không gian đặc trưng theo một mô hình nhận dạng cụ thể và giao thức tiền xử lý.

Ranh giới bằng chứng: Kích thước vectơ, hàm khoảng cách và ngưỡng quyết định phụ thuộc vào mô hình và thiết lập đánh giá; một nhúng không phải là phán quyết danh tính hoặc được đảm bảo toán học là không thể tái tạo.

Nguồn chính: ArcFace: Additive Angular Margin Loss for Deep Face Recognition

Sử dụng nó trong ngữ cảnh: Bảng điểm chất lượng; Hướng dẫn về quyền riêng tư và sự đồng ý

Còn được gọi là: giữ lại danh tính, điểm bảo tồn danh tính

Một so sánh phụ thuộc vào giao thức giữa các biểu diễn nguồn-gốc và đầu ra, thường được tính từ một bộ mã hóa khuôn mặt được đặt tên và hàm tương đồng.

Ranh giới bằng chứng: Điểm số không thể chuyển đổi giữa các bộ mã hóa, crop, tập dữ liệu, ngưỡng hoặc nhân khẩu học và không nên được trình bày như một phán quyết sinh trắc học cho một đầu ra.

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

Sử dụng nó trong ngữ cảnh: Số liệu chất lượng hoán đổi khuôn mặt; Danh mục nghiên cứu

Còn được gọi là: bảo tồn thuộc tính, nhất quán mục tiêu

Mức độ mà kết quả giữ lại các đặc điểm mục tiêu dự định như tư thế, biểu cảm, tóc, ánh sáng, quần áo và nền trong khi thay đổi các dấu hiệu nhận dạng khuôn mặt.

Ranh giới bằng chứng: Các thuộc tính và bộ ước tính được đánh giá phải được nêu tên; một điểm tổng hợp có thể che giấu sự thất bại trong một thuộc tính riêng lẻ.

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

Sử dụng nó trong ngữ cảnh: Phiếu đánh giá chất lượng đầu ra; Hướng dẫn chất lượng ảnh

Còn được gọi là: mặt nạ hoán đổi, mặt nạ khuôn mặt

Một bản đồ không gian xác định vùng hình ảnh nào có thể được tạo, pha trộn hoặc đánh giá như một phần của thao tác hoán đổi khuôn mặt.

Ranh giới bằng chứng: Cấu trúc và ngữ nghĩa mặt nạ khác nhau tùy theo phương pháp; một mặt nạ tự nó không giải quyết được sự che khuất, ranh giới hoặc sự không nhất quán màu sắc.

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

Sử dụng nó trong ngữ cảnh: Kiến trúc đường ống; Hướng dẫn đánh giá đầu ra

Còn được gọi là: phân đoạn ngữ nghĩa khuôn mặt

Phân đoạn ngữ nghĩa cấp pixel của các thành phần khuôn mặt và các vùng xung quanh, chẳng hạn như da, mắt, miệng, tóc hoặc nền.

Ranh giới bằng chứng: Bộ nhãn và chất lượng phân đoạn phụ thuộc vào bộ phân tích và tập dữ liệu, các vùng không chính xác có thể lan truyền vào quá trình tổng hợp hoặc ghép ảnh sau này.

Nguồn chính: Fine-Grained Face Swapping via Regional GAN Inversion

Sử dụng nó trong ngữ cảnh: Hướng dẫn chất lượng ảnh; Kiến trúc đường ống

Còn được gọi là: pha trộn ranh giới, ghép khuôn mặt

Bước tổng hợp chuyển đổi vùng khuôn mặt đã tổng hợp vào mục tiêu xung quanh tông màu da, cạnh, ánh sáng và nội dung lân cận.

Ranh giới bằng chứng: Một ranh giới mượt mà về mặt thị giác không thiết lập được danh tính chính xác, các đặc điểm nội tại tự nhiên hoặc hành vi nhất quán qua các khung hình video.

Nguồn chính: Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection

Sử dụng nó trong ngữ cảnh: Phiếu đánh giá chất lượng đầu ra; Hướng dẫn hoán đổi khuôn mặt ảnh

Còn được gọi là: che mặt, khuôn mặt bị che khuất

Một tình trạng trong đó một phần khuôn mặt bị che bởi tóc, tay, kính, đồ vật, người khác hoặc ranh giới hình ảnh.

Ranh giới bằng chứng: Xử lý che khuất phụ thuộc vào phương pháp và bối cảnh; một chuẩn đánh giá phải chỉ rõ vùng bị ảnh hưởng và điều kiện quan sát.

Nguồn chính: Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video

Sử dụng nó trong ngữ cảnh: Trình kiểm tra mức độ sẵn sàng đầu vào; Hướng dẫn chuẩn bị video

Còn được gọi là: tư thế khuôn mặt, hướng đầu

Hướng ước tính của đầu so với máy ảnh, thường được biểu diễn bằng góc xoay, góc nghiêng và góc lật hoặc bằng các điểm mốc và tham số 3D.

Ranh giới bằng chứng: Giá trị tư thế phụ thuộc vào bộ ước lượng và quy ước tọa độ; chỉ khớp tư thế không thể dự đoán được tính chân thực của đầu ra.

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

Sử dụng nó trong ngữ cảnh: Hướng dẫn chất lượng ảnh; Trình kiểm tra mức độ sẵn sàng đầu vào

Còn được gọi là: bảo tồn biểu cảm

Cấu hình có thể nhìn thấy của các đặc điểm khuôn mặt liên quan đến các chuyển động như cười, chớp mắt hoặc mở miệng, thường được coi là một thuộc tính mục tiêu trong hoán đổi khuôn mặt.

Ranh giới bằng chứng: Nhãn và tham số biểu cảm phụ thuộc vào bộ ước lượng và có thể bỏ sót các hành vi tinh tế, bất đối xứng hoặc được diễn giải theo văn hóa.

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

Sử dụng nó trong ngữ cảnh: Phiếu đánh giá chất lượng đầu ra; Hướng dẫn hoán đổi khuôn mặt video

Còn được gọi là: nhất quán thời gian, nhất quán giữa các khung hình

Sự ổn định của các dấu hiệu nhận dạng, thuộc tính mục tiêu và chi tiết hình ảnh qua các khung video liên tiếp thay vì trong một khung riêng lẻ.

Ranh giới bằng chứng: Một phép đo nhất quán cao có thể bảo tồn kết quả sai một cách nhất quán, do đó tính chính xác của danh tính và chất lượng hiển thị phải được đánh giá riêng biệt.

Nguồn chính: DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation

Sử dụng nó trong ngữ cảnh: Hướng dẫn hoán đổi khuôn mặt video; Thẻ điểm chất lượng video

Còn được gọi là: trường chuyển động, tương ứng điểm ảnh

Một trường chuyển động dày đặc ước tính ánh xạ các vị trí hình ảnh giữa các khung và có thể hỗ trợ phân tích chuyển động, biến dạng hoặc chẩn đoán thời gian.

Ranh giới bằng chứng: Dòng quang học là một ước lượng có thể thất bại xung quanh vùng che khuất, mờ, thay đổi ánh sáng và các vùng mới xuất hiện; bản thân nó không phải là điểm chất lượng.

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

Sử dụng nó trong ngữ cảnh: Hướng dẫn quy trình làm việc video; Kiến trúc đường ống

Còn được gọi là: SSIM

Một thước đo tương đồng hình ảnh tham chiếu đầy đủ so sánh độ chói, độ tương phản và cấu trúc giữa hình ảnh kiểm tra và hình ảnh tham chiếu.

Ranh giới bằng chứng: SSIM yêu cầu một tham chiếu căn chỉnh có ý nghĩa, không dành riêng cho khuôn mặt, và giá trị của nó phụ thuộc vào tỷ lệ, cửa sổ, xử lý màu sắc và tiền xử lý.

Nguồn chính: Image Quality Assessment: From Error Visibility to Structural Similarity

Sử dụng nó trong ngữ cảnh: Số liệu chất lượng hoán đổi khuôn mặt; Phương pháp nghiên cứu

Còn được gọi là: LPIPS, độ tương tự cảm nhận đã học

Một khoảng cách tri giác dựa trên các đặc trưng mạng sâu được đánh giá dựa trên đánh giá của con người về độ tương đồng của các mảnh hình ảnh.

Ranh giới bằng chứng: LPIPS không phải là điểm danh tính; giá trị phụ thuộc vào mạng đã chọn, hiệu chuẩn, chuẩn bị hình ảnh và giao thức so sánh.

Nguồn chính: The Unreasonable Effectiveness of Deep Features as a Perceptual Metric

Sử dụng nó trong ngữ cảnh: Số liệu chất lượng hoán đổi khuôn mặt; Nghiên cứu có kiểm soát

Còn được gọi là: FID

Một khoảng cách cấp tập hợp giữa các phân bố đặc trưng từ các bộ sưu tập hình ảnh được tạo và tham chiếu, ban đầu được tính bằng các đặc trưng Inception.

Ranh giới bằng chứng: FID không phải là điểm ảnh đơn lẻ có thể bảo vệ được, và kết quả phụ thuộc vào số lượng mẫu, bộ trích xuất đặc trưng, tiền xử lý, tập tham chiếu và cách triển khai.

Nguồn chính: 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

Sử dụng nó trong ngữ cảnh: Số liệu chất lượng hoán đổi khuôn mặt; Danh mục nghiên cứu

Còn được gọi là: NR-IQA, đánh giá chất lượng hình ảnh mù

Một phương pháp ước tính chất lượng hình ảnh từ đầu ra mà không yêu cầu hình ảnh tham chiếu gốc đi kèm.

Ranh giới bằng chứng: Tính hợp lệ của nó phụ thuộc vào dữ liệu huấn luyện và thiết kế xác thực; điểm số có thể thất bại trên các phương pháp, nội dung hoặc biến dạng chưa từng thấy.

Nguồn chính: Rank-based No-reference Quality Assessment for Face Swapping

Sử dụng nó trong ngữ cảnh: Phiếu đánh giá chất lượng đầu ra; Phương pháp xác minh

Còn được gọi là: tiêu chí đánh giá của con người, tiêu chí đánh giá đầu ra

Một tiêu chí có thể lặp lại yêu cầu người đánh giá ghi lại các tiêu chí có thể nhìn thấy, điểm neo đánh giá, cổng kiểm tra quan trọng và ghi chú cho một đầu ra cụ thể.

Ranh giới bằng chứng: Nó ghi lại các quan sát có cấu trúc của con người, không phải độ chính xác của mô hình, danh tính sinh trắc học, xác suất hay xếp hạng trên toàn bộ nhà cung cấp.

Nguồn chính: Phiếu đánh giá chất lượng đầu ra hoán đổi khuôn mặt DeepSwapAI; Rank-based No-reference Quality Assessment for Face Swapping

Sử dụng nó trong ngữ cảnh: Mở bảng điểm; Tải xuống tài liệu nghiên cứu

Còn được gọi là: Liên minh về Xuất xứ và Tính xác thực của Nội dung

Một tiêu chuẩn kỹ thuật mở để ghi lại thông tin nguồn gốc chống giả mạo về nội dung kỹ thuật số thông qua các tuyên bố, khẳng định, thành phần và yêu cầu đã ký.

Ranh giới bằng chứng: C2PA có thể cung cấp bằng chứng về nguồn gốc và tín hiệu giả mạo, nhưng đặc tả kỹ thuật không xác định liệu nội dung được mô tả có đúng, chính xác hay được phép về mặt đạo đức hay không.

Nguồn chính: C2PA Technical Specification 2.4; Giải thích C2PA 2.3

Sử dụng nó trong ngữ cảnh: Tin cậy và an toàn; Phương pháp xác minh

Còn được gọi là: Chứng chỉ Nội dung C2PA, chứng chỉ xuất xứ nội dung

Việc trình bày thông tin nguồn gốc hướng đến người dùng liên quan đến một tài sản kỹ thuật số thông qua hệ sinh thái C2PA.

Ranh giới bằng chứng: Tính khả dụng và chi tiết hiển thị phụ thuộc vào chứng chỉ, người ký, người xác thực, tài sản và nền tảng; chứng chỉ không phải là tuyên bố rằng nội dung là đúng sự thật.

Nguồn chính: Giải thích C2PA 2.3; C2PA Technical Specification 2.4

Sử dụng nó trong ngữ cảnh: Trung tâm tin cậy; Hướng dẫn về quyền riêng tư và sự đồng ý