基于美学驱动强化学习的属性可控高加索美人脸生成
计算机视觉与模式识别
2022-08-10 v1
摘要
近年来，图像生成在提升图像质量、生成高保真图像方面取得了巨大进展。同时，近期出现了一些架构设计，使GAN能够无监督地学习不同层中表示的语义属性。然而，关于生成更符合人类美学的人脸图像的研究仍然缺乏。基于EigenGAN [He et al., ICCV 2021]，我们将强化学习技术构建到EigenGAN的生成器中。智能体试图找出如何将被生成人脸的语义属性向更优方向改变。为此，我们训练了一个能够进行面部美感预测的美学评分模型。我们也可利用该评分模型分析人脸属性与美学分数之间的相关性。经验表明，直接使用现成的强化学习技术效果不佳。因此，我们提出了一种融合近年来强化学习领域新兴要素的新变体。与原始生成图像相比，调整后的图像在各种属性上表现出明显差异。使用MindSpore的实验结果显示了所提方法的有效性。调整后的人脸图像通常更具吸引力，美学水平显著提升。
引用
@article{arxiv.2208.04517,
title = {Attribute Controllable Beautiful Caucasian Face Generation by Aesthetics Driven Reinforcement Learning},
author = {Xin Jin and Shu Zhao and Le Zhang and Xin Zhao and Qiang Deng and Chaoen Xiao},
journal= {arXiv preprint arXiv:2208.04517},
year = {2022}
}
备注
13 pages, 5 figures. ACM Multimedia 2022 Technical Demos and Videos Program