高精細な顔のスワッピングに向けて：包括的サーベイと新たなベンチマーク

要旨: 顔のスワッピングは、GANや拡散モデルといった深層生成モデルの進歩によって大きく牽引されており、近年目覚ましい発展を遂げています。しかし、こうした進歩にもかかわらず、既存手法は異なるパラダイム間で分断されたままであり、標準化されたデータセットやプロトコルがないため評価は非常に一貫性に欠けます。さらに、先行する調査は主としてより広範なディープフェイクの生成または検出に焦点を当てており、顔のスワッピングを単独の問題として扱う研究は十分に行われていません。本論文では、顔のスワッピングに関する包括的な調査およびベンチマークを提示します。既存手法を5つの主要なパラダイムに整理し、それぞれの設計原理、強み、限界を体系的に分析することで、構造化されたレビューを提供します。公平かつ制御された評価を可能にするために、CASIA FaceSwappingという高品質なベンチマークを導入します。これは、人口統計におけるバランスの取れた分布と、属性の明示的な変化を備えています。加えて、異なる顔スワッピング手法の頑健性を評価するための標準化されたプロトコルを確立します。代表的なアプローチに関する大規模な実験により、現在の手法の性能特性および限界に関する新たな知見が得られます。総合すると、本研究は統一的な視点と、より頑健で制御可能な顔スワッピング手法の開発を促進するための原理に基づく評価枠組みを提供します。詳細な結果は https://github.com/CASIA-NLPRAI/face-swapping-survey で確認できます。