基于条件对抗自编码器的年龄进展/回归
计算机视觉与模式识别
2017-03-30 v2
摘要
“如果我给你一张我的面部图像（不告诉你拍照时我的实际年龄）以及我爬取的大量面部图像（包含不同年龄的标注人脸，但不一定配对），你能展示我80岁时或5岁时的样子吗？”答案很可能是否定的。现有大多数人脸老化工作试图学习年龄组之间的变换，因此需要配对样本以及带标注的查询图像。本文从生成建模的角度审视该问题，从而无需配对样本。此外，给定一张无标注图像，生成模型可直接产生具有期望年龄属性的图像。我们提出一种条件对抗自编码器（CAAE），学习一个人脸流形，在其上遍历可同时实现平滑的年龄进展与回归。在CAAE中，人脸首先通过卷积编码器映射到隐向量，然后该向量通过反卷积生成器以年龄为条件投影到人脸流形上。隐向量保留个性化面部特征（即人格），年龄条件控制进展与回归。两个对抗网络分别施加于编码器和生成器，强制生成更具照片真实感的人脸。实验结果通过与最先进方法和真实基准的比较，展示了所提框架引人注目的性能和灵活性。
引用
@article{arxiv.1702.08423,
title = {Age Progression/Regression by Conditional Adversarial Autoencoder},
author = {Zhifei Zhang and Yang Song and Hairong Qi},
journal= {arXiv preprint arXiv:1702.08423},
year = {2017}
}
备注
Accepted by The IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2017)