Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)

Autores
Aranda, Daiana; Goria, Julieta; Sandalinas, Francisco; Suffern, Mateo; Negri, Pablo
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
StyleGAN destaca como la arquitectura de vanguardia en generación de rostros sintéticos altamente realistas. Su implementación proyecta una imagen en su espacio latente, el cual es posible de manipular por medio de curvas direccionales modificando rasgos de la imagen original. Sin embargo, su alta dimensionalidad provoca que la búsqueda manual de una direccionalidad que produzca un rasgo o gesto dado resulte impracticable. Este trabajo propone una arquitectura neuronal de tipo pseudo-autoencoder que manipula la proyección latente alternando la apariencia del rostro. Esto se realiza gracias a la codificación del gesto facial con los vectores de Action Units. Se consiguió una dinámica de expresiones que permite la transición de un gesto a otro sin necesidad de pasar por el neutral, mejorando la naturalidad de la dinámica gestual.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
StyleGANv2
Espacio latente
Expresiones faciales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/151743
Acceder
id SEDICI_a3854358d3aefb576be888449fd8b2a7
oai_identifier_str oai:sedici.unlp.edu.ar:10915/151743
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)Aranda, DaianaGoria, JulietaSandalinas, FranciscoSuffern, MateoNegri, PabloCiencias InformáticasStyleGANv2Espacio latenteExpresiones facialesStyleGAN destaca como la arquitectura de vanguardia en generación de rostros sintéticos altamente realistas. Su implementación proyecta una imagen en su espacio latente, el cual es posible de manipular por medio de curvas direccionales modificando rasgos de la imagen original. Sin embargo, su alta dimensionalidad provoca que la búsqueda manual de una direccionalidad que produzca un rasgo o gesto dado resulte impracticable. Este trabajo propone una arquitectura neuronal de tipo pseudo-autoencoder que manipula la proyección latente alternando la apariencia del rostro. Esto se realiza gracias a la codificación del gesto facial con los vectores de Action Units. Se consiguió una dinámica de expresiones que permite la transición de un gesto a otro sin necesidad de pasar por el neutral, mejorando la naturalidad de la dinámica gestual.Sociedad Argentina de Informática e Investigación Operativa2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf17-22http://sedici.unlp.edu.ar/handle/10915/151743spainfo:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/390/328info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:30:55Zoai:sedici.unlp.edu.ar:10915/151743Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:30:55.726SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
title Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
spellingShingle Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
Aranda, Daiana
Ciencias Informáticas
StyleGANv2
Espacio latente
Expresiones faciales
title_short Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
title_full Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
title_fullStr Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
title_full_unstemmed Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
title_sort Manipulación de expresiones faciales vía espacio latente de Red Generativa Antagónica (GAN)
dc.creator.none.fl_str_mv Aranda, Daiana
Goria, Julieta
Sandalinas, Francisco
Suffern, Mateo
Negri, Pablo
author Aranda, Daiana
author_facet Aranda, Daiana
Goria, Julieta
Sandalinas, Francisco
Suffern, Mateo
Negri, Pablo
author_role author
author2 Goria, Julieta
Sandalinas, Francisco
Suffern, Mateo
Negri, Pablo
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
StyleGANv2
Espacio latente
Expresiones faciales
topic Ciencias Informáticas
StyleGANv2
Espacio latente
Expresiones faciales
dc.description.none.fl_txt_mv StyleGAN destaca como la arquitectura de vanguardia en generación de rostros sintéticos altamente realistas. Su implementación proyecta una imagen en su espacio latente, el cual es posible de manipular por medio de curvas direccionales modificando rasgos de la imagen original. Sin embargo, su alta dimensionalidad provoca que la búsqueda manual de una direccionalidad que produzca un rasgo o gesto dado resulte impracticable. Este trabajo propone una arquitectura neuronal de tipo pseudo-autoencoder que manipula la proyección latente alternando la apariencia del rostro. Esto se realiza gracias a la codificación del gesto facial con los vectores de Action Units. Se consiguió una dinámica de expresiones que permite la transición de un gesto a otro sin necesidad de pasar por el neutral, mejorando la naturalidad de la dinámica gestual.
Sociedad Argentina de Informática e Investigación Operativa
description StyleGAN destaca como la arquitectura de vanguardia en generación de rostros sintéticos altamente realistas. Su implementación proyecta una imagen en su espacio latente, el cual es posible de manipular por medio de curvas direccionales modificando rasgos de la imagen original. Sin embargo, su alta dimensionalidad provoca que la búsqueda manual de una direccionalidad que produzca un rasgo o gesto dado resulte impracticable. Este trabajo propone una arquitectura neuronal de tipo pseudo-autoencoder que manipula la proyección latente alternando la apariencia del rostro. Esto se realiza gracias a la codificación del gesto facial con los vectores de Action Units. Se consiguió una dinámica de expresiones que permite la transición de un gesto a otro sin necesidad de pasar por el neutral, mejorando la naturalidad de la dinámica gestual.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/151743
url http://sedici.unlp.edu.ar/handle/10915/151743
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/390/328
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
17-22
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064346571997184
score 13.22299

Publicaciones similares