FaceController：面向真实场景人脸的可控属性编辑

人脸属性编辑旨在生成具有一个或多个期望属性变化的人脸图像，同时保持其他细节不变。与以往依赖昂贵逆向映射过程的GAN反演方法不同，本文提出一种简单的前馈网络，用于生成高保真度的属性编辑人脸图像。通过仅利用现有且易于获取的先验信息，该方法能够实现对自然场景中人脸多样属性的控制、迁移与编辑。因此，该方法可广泛应用于人脸交换、人脸重光照以及妆容迁移等任务。在所提出的方法中，我们借助三维先验信息解耦身份、表情、姿态和光照；通过区域级风格码分离纹理与颜色信息。所有这些信息均通过我们提出的身份-风格归一化模块嵌入对抗学习框架中。此外，我们设计了解耦损失函数，以增强生成器从各属性中独立提取信息的能力。通过全面的定量与定性评估，结果表明：在统一框架下，本方法在多种人脸应用任务中均取得了最佳或具有竞争力的性能表现。