AttGAN：仅改变所需属性的面部属性编辑
计算机视觉与模式识别
2018-07-26 v3 机器学习
摘要
面部属性编辑旨在操纵人脸图像的单个或多个属性，即生成具有期望属性同时保留其他细节的新人脸。近年来，生成对抗网络（GAN）与编码器-解码器架构通常被结合来处理该任务并取得良好效果。基于编码器-解码器架构，面部属性编辑通过对给定人脸的潜在表示按期望属性进行条件解码来实现。一些现有方法试图建立属性无关的潜在表示以进行进一步的属性编辑。然而，这种对潜在表示的属性无关约束过于严格，因为它限制了潜在表示的容量并可能导致信息丢失，从而造成过度平滑和失真的生成。本工作不对潜在表示施加约束，而是对生成图像施加属性分类约束，仅保证所需属性的正确改变，即“改变你想要改变的”。同时，引入重构学习以保留排除属性后的细节，换言之，即“仅改变你想要改变的”。此外，采用对抗学习以实现视觉上逼真的编辑。这三个部分相互协作，构成了一个用于高质量面部属性编辑的有效框架，称为 AttGAN。此外，我们的方法也可直接用于属性强度控制，并可自然扩展至属性风格操纵。在 CelebA 数据集上的实验表明，我们的方法在保留面部细节的真实属性编辑上优于现有最优方法。
引用
@article{arxiv.1711.10678,
title = {AttGAN: Facial Attribute Editing by Only Changing What You Want},
author = {Zhenliang He and Wangmeng Zuo and Meina Kan and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1711.10678},
year = {2018}
}
备注
Submitted to IEEE Transactions on Image Processing, Code: https://github.com/LynnHo/AttGAN-Tensorflow