摘要
面部交换技术既有积极的应用，如娱乐、人机交互等，也有消极的应用，如DeepFake对政治、经济等领域的威胁。然而，为了生成高质量的面部交换图像以训练DeepFake检测算法，有必要深入了解先进的面部交换方法及其方案。本文提出了一种首次实现百万像素级单次面部交换（简称MegaFS）的方法。首先，MegaFS通过扩展的潜在空间中的分层表示人脸编码器（Hierarchical Representation Face Encoder, HieRFE）组织人脸表示，以保留更多的人脸细节，而不仅仅是之前面部交换方法中使用的压缩表示。其次，提出了一种精心设计的面部传输模块（Face Transfer Module, FTM），该模块通过非线性轨迹将源图像的身份信息转移到目标图像上，无需显式特征解耦。最后，利用StyleGAN2的强大生成能力和训练稳定性合成人脸交换图像。MegaFS的每一部分都可以单独训练，因此我们的模型在进行百万像素级面部交换时可以满足对GPU内存的需求。总之，完整的人脸表示、稳定的训练过程以及有限的内存使用是本方法成功的三个创新贡献。大量实验验证了MegaFS的优势，并且首次发布了百万像素级的面部交换数据库供公众领域内的DeepFake检测和人脸图像编辑研究使用。数据集链接如下。注：文中提到的技术术语如“DeepFake”、“StyleGAN2”等均为领域内通用译法。其他不常见术语已在括号中标注原文。