BPLF：一种基于情绪集图像的人脸表情生成双并行线性流模型
计算机视觉与模式识别
2021-06-15 v1 机器学习
图像与视频处理
摘要
基于流的生成模型是一种深度学习生成模型，它通过显式学习数据分布来获得生成数据的能力。理论上其还原数据的能力强于其他生成模型。然而，其实现存在诸多局限，包括模型设计受限、模型参数过多以及计算繁琐。本文构建了用于从情绪集图像生成人脸情绪的双并行线性流模型，并在模型表达能力与训练收敛速度方面进行了一系列改进。该模型主要由若干耦合层叠加构成多尺度结构，其中每个耦合层包含 1*1 可逆卷积与线性运算模块。此外，本文梳理了当前公开的人脸情绪图像数据集，制作了新的情绪数据，并通过该数据集验证了模型。实验结果表明，在传统卷积神经网络下，3 层 3*3 卷积核更利于提取人脸图像特征。主成分分解的引入可提升模型的收敛速度。
引用
@article{arxiv.2106.07563,
title = {BPLF: A Bi-Parallel Linear Flow Model for Facial Expression Generation from Emotion Set Images},
author = {Gao Xu and Yuanpeng Long and Siwei Liu and Lijia Yang and Shimei Xu and Xiaoming Yao and Kunxian Shu},
journal= {arXiv preprint arXiv:2106.07563},
year = {2021}
}
备注
20 pages, 10 figures