FaceDancer：姿态与遮挡感知的高保真人脸替换

在本工作中，我们提出了一种新型的单阶段无特定主体（subject-agnostic）人脸替换与身份迁移方法，命名为 FaceDancer。本文主要有两项贡献：自适应特征融合注意力机制（Adaptive Feature Fusion Attention, AFFA）和可解释特征相似性正则化（Interpreted Feature Similarity Regularization, IFSR）。AFFA 模块嵌入解码器中，能够无需任何额外的人脸分割过程，自适应地融合属性特征与基于身份信息的特征。在 IFSR 中，我们利用身份编码器中的中间特征，有效保留目标人脸的重要属性，如头部姿态、面部表情、光照条件及遮挡情况，同时实现源人脸身份的高保真迁移。我们在多个数据集上进行了广泛的定量与定性实验，结果表明，所提出的 FaceDancer 在身份迁移性能方面优于现有各类最先进方法，且在姿态保持方面显著优于大多数先前方法。