Anti-Makeup：用于妆容不变人脸验证的双层对抗网络学习
计算机视觉与模式识别
2017-11-23 v2
摘要
化妆被广泛用于提升面部吸引力并被公众接受。然而，不同的化妆风格会导致显著的面部外观变化。匹配化妆与非化妆人脸图像仍是一个具有挑战性的问题。本文提出一种从生成中学习的方法，通过引入双层对抗网络（BLAN）实现妆容不变人脸验证。为减轻化妆的负面影响，我们首先从化妆图像生成非化妆图像，然后使用合成的非化妆图像进行进一步验证。BLAN中的两个对抗网络集成在一个端到端深度网络中，其中像素级网络用于重建吸引人的面部图像，特征级网络用于保留身份信息。这两个网络共同缩小了化妆与非化妆图像之间的感知差距。此外，我们通过结合多种感知损失对生成器进行了良好约束。在三个基准化妆人脸数据集上的实验结果表明，我们的方法在跨化妆状态下实现了最先进的验证准确率，并能生成照片级真实感的非化妆人脸图像。
引用
@article{arxiv.1709.03654,
title = {Anti-Makeup: Learning A Bi-Level Adversarial Network for Makeup-Invariant Face Verification},
author = {Yi Li and Lingxiao Song and Xiang Wu and Ran He and Tieniu Tan},
journal= {arXiv preprint arXiv:1709.03654},
year = {2017}
}
备注
The paper is accepted by AAAI-18