MD-Face：MoE強化によるラベル不要の識別可能表現で実現するインタラクティブな顔属性編集
arXiv cs.CV / 2026/4/23
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- この論文では、GANベースの顔属性編集で問題になりやすい「属性の絡み合い」を抑え、ラベル不要で識別可能な顔表現を学習する手法としてMD-Faceを提案します。
- MD-FaceはMixture of Experts（MoE）バックボーンとゲーティング機構を用いて、専門家（エキスパート）を動的に割り当てることで、より独立した意味ベクトルの学習を狙います。
- 属性の絡み合いをさらに低減するために、各意味ベクトルを対応するSemantic Boundary Vector（SBV）へ、ヤコビアンに基づくpushforwardで整合させる幾何学を意識した損失（geometry-aware loss）を導入しています。
- ProGANとStyleGANでの実験により、MD-Faceは教師なしベースラインを上回り、教師ありの識別可能化手法とも競合する性能を示します。
- 拡散（diffusion）ベースの編集手法と比べて、画質が良く推論レイテンシが低いと報告されており、インタラクティブな顔編集に適しているとされています。
