Negli ultimi anni, molti metodi basati sul deep learning hanno esplorato le attività di modifica delle acconciature. Alcune tecnologie utilizzano schizzi o maschere come vincolo o riferimento per trasferire l’acconciatura.
La maggior parte degli algoritmi esistenti si concentra sul trasferimento dell’intera regione dei capelli da un viso all’altro, ignorando il controllo finale su colore e caratteristiche geometriche. Per di più, gli algoritmi possono produrre risultati di generazione innaturali.
A volte, i capelli rigenerati non si adattano infatti naturalmente al viso o allo sfondo poiché l’acconciatura o il colore vengono migrati in modo restrittivo, senza modifiche appropriate.
In aggiunta, le procedure che estraggono caratteristiche sia dal testo che dalle immagini mediante un codificatore Contrastive Language Image Pre-Training (CLIP) pre-addestrato sono solitamente intuitive.
Le peculiarità dedotte dalle descrizioni fornite nel testo risultano spesso grossolane.
Diventa, pertanto, piuttosto difficile ottenere un controllo preciso su colore e forma.
Progettare un’acconciatura
Poiché le attività di progettazione delle chiome possono essere scomposte in modifica e generazione degli attributi dei capelli, lo sviluppo di Generative Adversarial Networks (GANs) ha destato notevole interesse.
Il presente lavoro, pubblicato su The Visual Computer, propone un framework di modifica dei capelli che apprende le informazioni sull’acconciatura da una maschera facciale di riferimento, mentre quelle sul colore da un’immagine facciale guida.
In primo luogo, le caratteristiche dell’immagine facciale e delle immagini di riferimento sono state estratte tramite un gruppo di codificatori e divise in vettori di caratteristiche di livelli grossolani, medi e fini.
In secondo luogo, i vettori di caratteristiche multilivello sono stati fusi nello spazio latente, utilizzando moduli basati sull’attenzione.
Il vettore di caratteristiche fuso è stato, infine, processato tramite un generatore StyleGAN, per dar luogo ad immagini del viso con l’acconciatura e il colore dei capelli specificati.
Controllo su forma e colore
I risultati ottenuti sottolineano che il metodo proposto può simulare finemente la transizione dell’acconciatura tra capelli lunghi e corti sotto il vincolo della maschera di riferimento e generare effetti di fusione realistici nelle regioni coperte (orecchie, collo e fronte).
In aggiunta, mostrano vari effetti di tintura delle chiome che si adattano a caratteristiche personalizzate: i tratti del viso, il colore della pelle e la consistenza dei capelli vengono, infatti, preservati durante il trasferimento del colore.
In futuro, ottimizzare la rete di segmentazione facciale consentirà di realizzare un trasferimento di acconciature più accurato.
Xu J, Zhang C, Zhu W et al, Personalized hairstyle and hair color editing based on multi-feature fusion, Vis Comput 40, 4751–4763 (2024). https://doi.org/10.1007/s00371-024-03468-2
