基于噪声语义引导生成对抗网络的双相人脸年龄转换统一框架
计算机视觉与模式识别
2021-09-16 v1 人工智能
摘要
双相人脸年龄转换旨在预测输入人脸在任何年龄下的外观。由于其在跨年龄人脸识别及各种娱乐应用中的实用价值，人脸年龄转换在过去十年中受到相当多的研究关注。然而，大多数现有方法对整体图像之间的年龄变化建模，忽视人脸结构及各个面部组件的年龄变化模式。因此，缺乏语义监督将导致生成人脸在细节上不真实。为此，我们提出一种基于噪声语义引导生成对抗网络（GAN）的双相人脸年龄转换统一框架。在结构上，我们将类别感知的噪声语义布局投影为软潜在图，以便后续对各个面部部件进行注入操作。特别地，我们引入两个子网络：ProjectionNet 与 ConstraintNet。ProjectionNet 利用带噪声图的低级结构语义信息并生成软潜在图。ConstraintNet 解耦高级空间特征以约束软潜在图，从而为软潜在图注入更多年龄相关上下文。具体而言，ConstraintNet 中采用注意力机制进行特征解耦。同时，为挖掘网络的最强映射能力，我们在训练过程中嵌入两类学习策略：有监督自驱动生成与无监督条件驱动循环一致生成。结果表明，在 MORPH 与 CACD 数据集上开展的广泛实验证明了我们所提方法的突出能力，其达到了最先进的性能。
引用
@article{arxiv.2109.07373,
title = {A Unified Framework for Biphasic Facial Age Translation with Noisy-Semantic Guided Generative Adversarial Networks},
author = {Muyi Sun and Jian Wang and Yunfan Liu and Qi Li and Zhenan Sun},
journal= {arXiv preprint arXiv:2109.07373},
year = {2021}
}
备注
Under Review