Cascade EF-GAN：具有局部聚焦的渐进式面部表情编辑
计算机视觉与模式识别
2020-03-26 v2
摘要
生成对抗网络（GAN）近期的进展在面部表情编辑方面显示出显著改进。然而，现有方法仍易在表情强烈区域周围产生伪影与模糊，并在处理大跨度表情变换（如从愤怒到大笑的变换）时引入不期望的重叠伪影。为应对这些局限，我们提出级联表情聚焦GAN（Cascade EF-GAN），一种通过局部表情聚焦进行渐进式面部表情编辑的新网络。局部聚焦的引入使Cascade EF-GAN能更好地保留眼睛、鼻子和嘴巴周围与身份相关的特征与细节，进而有助于减少生成面部图像中的伪影与模糊。此外，通过将大幅面部表情变换划分为级联的多个小变换，设计了一种创新的级联变换策略，有助于抑制重叠伪影并在处理大跨度表情变换时生成更真实的编辑。在两个公开面部表情数据集上的大量实验表明，我们提出的Cascade EF-GAN在面部表情编辑上取得了优越性能。
引用
@article{arxiv.2003.05905,
title = {Cascade EF-GAN: Progressive Facial Expression Editing with Local Focuses},
author = {Rongliang Wu and Gongjie Zhang and Shijian Lu and Tao Chen},
journal= {arXiv preprint arXiv:2003.05905},
year = {2020}
}
备注
Accepted to CVPR 2020