july_Ai的博客

先总述贡献：提出一个新颖的高保真换脸范式（paradigm）能可信地（faithfully）保留所需的（desired）微小（subtle）几何和纹理细节。这个范式是什么？E4S。来源：从细粒度人脸编辑的角度重新思考换脸，editting for swapping。根据这个范式，提出基于人脸组件（facial components）的形状和纹理显示解耦的换脸框架。E4S有什么用？1）既能全局换脸，也能局部换脸；能由用户控制交换部分的数量。

PS：什么是语义基？“语义基础”（Semantic Basis）是指一组特征向量，表征了数据（例如图像）中的语义信息。在StyleGAN和其他生成对抗网络中，语义基础通常用于生成图像的控制。通过调整生成模型的语义基础系数，可以实现对生成图像的样式和特征的控制，例如改变生成图像的面部表情、姿势和视角等。

主要贡献：显示提出保留匿名化人脸数据集的原始人脸属性这一任务，并定量衡量了属性保留的程度。研究意义：匿名化和面部属性保留；一些预训练模型的用途：比如e4e可以获得真实人脸在stylegan中的latent code；FaRL：提取图像语义特征；定量衡量面部属性保留程度的方法。个人觉得这篇文章写得有点草率，很多槽点，有些地方感觉在水字数，有个图特别长，感觉在占篇幅，贡献不明显、实验也不是很充分，参考意见不大。

论文：Threat of Adversarial Attacks on Face Recognition: A Comprehensive Survey面部识别（FR）模型易受到不同类型的攻击：1、物理攻击，在图像被捕获前修改面部的物理外观，如presentation attacks（又称spoofing attacks）；2、数字攻击，对捕获的面部图像实现修改，如对抗性攻击和变形攻击。对抗性攻击（adversarial attacks）针对深度神经网络（DNNs），特别是卷积神经网络（CNNs），