使用 GAN 进行图像到图像翻译以合成儿童种族数据的比较研究
计算机视觉与模式识别
2023-08-09 v1
摘要
数据中种族多样性的缺乏一直是文献中人脸识别技术的限制因素。对于儿童而言尤其如此，其数据样本稀缺，并且在寻求使训练于成人数据的机器视觉算法适用于儿童时构成挑战。本工作提出利用图像到图像变换来合成不同种族的数据，从而调整儿童人脸数据的种族属性。我们将种族视为一种风格，并比较三种不同的基于图像到图像神经网络的模型，具体而言是 pix2pix、CycleGAN 和 CUT 网络，以实现白人儿童数据与亚洲儿童数据的转换。在合成数据上的实验验证结果证明了使用图像到图像变换方法生成具有更广泛种族多样性的各类合成儿童数据样本的可行性。
引用
@article{arxiv.2308.04232,
title = {A Comparative Study of Image-to-Image Translation Using GANs for Synthetic Child Race Data},
author = {Wang Yao and Muhammad Ali Farooq and Joseph Lemley and Peter Corcoran},
journal= {arXiv preprint arXiv:2308.04232},
year = {2023}
}
备注
The Paper is accepted in 25th Irish Machine Vision and Image Processing Conference (IMVIP23)