2CET-GAN：用于人脸表情迁移的像素级 GAN 模型

Xiaohang Hu; Nuha Aldausari; Gelareh Mohammadi

2CET-GAN：用于人脸表情迁移的像素级 GAN 模型

计算机视觉与模式识别 2022-11-22 v1

作者: Xiaohang Hu , Nuha Aldausari , Gelareh Mohammadi

摘要

近期研究已使用 GAN 在人脸之间迁移表情。然而，现有模型存在诸多缺陷：依赖情绪标签、缺乏连续表情、以及无法捕捉表情细节。为解决这些局限，我们提出了一种基于 CycleGAN 和 InfoGAN 的新型网络，称为双循环表情迁移 GAN（2CET-GAN），其可在不使用情绪标签的情况下学习连续表情迁移。实验表明我们的网络能生成多样且高质量的表情，并可泛化至未知身份。据我们所知，我们是最早成功使用无监督方法在像素级将表情表征与身份解耦的研究之一。

关键词

GAN 人脸表情迁移 CycleGAN InfoGAN 无监督学习像素级解耦

引用

@article{arxiv.2211.11570,
  title  = {2CET-GAN: Pixel-Level GAN Model for Human Facial Expression Transfer},
  author = {Xiaohang Hu and Nuha Aldausari and Gelareh Mohammadi},
  journal= {arXiv preprint arXiv:2211.11570},
  year   = {2022}
}

备注

9 pages, 5 figures

2CET-GAN：用于人脸表情迁移的像素级 GAN 模型

摘要

关键词

引用

备注

相关论文