ChildPredictor：一种基于解耦学习的儿童人脸预测框架
计算机视觉与模式识别
2022-04-22 v1 多媒体
图像与视频处理
摘要
儿童外貌遗传自父母，这使其可被预测。预测逼真的儿童人脸有助于解决诸多社会问题，如年龄不变人脸识别、亲属关系验证与失踪儿童识别。该任务可视为图像到图像翻译任务。现有方法通常假设图像到图像翻译中的域信息可由“风格”解释，即图像内容与风格的分离。然而，此种分离不适用于儿童人脸预测，因为儿童与父母间面部轮廓并不相同。为解决此问题，我们提出一种新的面向儿童人脸预测的解耦学习策略。我们假设儿童人脸由遗传因素（紧凑的家族特征，如脸型）、外部因素（与预测无关的面部属性，如胡须与眼镜）和变异因素（每个儿童的个体属性）决定。在此基础上，我们将预测表述为从父母遗传因素到儿童遗传因素的映射，并将其从外部与变异因素中解耦。为获取准确遗传因素并执行映射，我们提出 ChildPredictor 框架。它通过编码器将人脸转为遗传因素，并由生成器还原；随后通过映射函数学习父母与儿童遗传因素间的关系。为确保生成人脸逼真，我们收集大型家族人脸数据库训练 ChildPredictor，并在 FF-Database 验证集上评估。实验结果表明，ChildPredictor 在预测逼真且多样的儿童人脸方面优于其他知名图像到图像翻译方法。实现代码见 https://github.com/zhaoyuzhi/ChildPredictor。
引用
@article{arxiv.2204.09962,
title = {ChildPredictor: A Child Face Prediction Framework with Disentangled Learning},
author = {Yuzhi Zhao and Lai-Man Po and Xuehui Wang and Qiong Yan and Wei Shen and Yujia Zhang and Wei Liu and Chun-Kit Wong and Chiu-Sing Pang and Weifeng Ou and Wing-Yin Yu and Buhua Liu},
journal= {arXiv preprint arXiv:2204.09962},
year = {2022}
}
备注
accepted to IEEE Transactions on Multimedia