基于生成对抗网络的属性感知人脸生成

近期研究在人脸图像生成方面取得了显著成功。然而，现有大多数方法仅能从随机噪声生成人脸图像，无法根据特定属性生成人脸图像。本文关注从属性生成人脸的问题，旨在生成与给定属性相对应的具有特定特征的人脸。为此，我们提出一种新颖的基于生成对抗网络的属性感知人脸图像生成器方法，称为AFGAN。具体而言，我们首先提出双路嵌入层与自注意力机制，将二值属性向量转换为丰富的属性特征。随后三个堆叠的生成器分别以属性特征为输入，生成$64 \times 64$、$128 \times 128$和$256 \times 256$分辨率的人脸图像。此外，提出图像-属性匹配损失以增强生成图像与输入属性之间的相关性。在CelebA上的大量实验证明了我们的AFGAN在定性与定量评估方面的优越性。