逼真神经头像特写模型的Few-Shot对抗学习
为了创建个性化模型,上面这些研究需要在大量个人数据上进行训练。但是,在许多实际场景中,我们需要从个人的少量甚至是一张图像中学习。因此在这项研究《Few-Shot Adversarial Learning of Realistic Neural Talking Head Models》中,三星和Skolkovo研究所的研究人员只用少量甚至一张图像或画作就合成了人物开口说话状态的头部动画。联合三种网络,该系统能在大型视频数据集上执行长时间的元学习过程。待元学习收敛后,就能构建few-shot或one-shot的神经头像特写模型。该模型将未见过的目标任务视为对抗学习问题,这样就能利用已学习的高质量生成器与判别器。