基于自估计残差年龄嵌入的连续人脸老化

人脸合成，尤其是人脸老化，是利用生成对抗网络（GANs）在图像保真度上取得实质性改进的主要课题之一。多数现有人脸老化方法将数据集划分为若干年龄组并采用基于组的训练策略，本质上缺乏提供精细可控连续老化合成的能力。本工作中，我们提出一种统一网络结构，将线性年龄估计器嵌入基于 GAN 的模型中，其中嵌入的年龄估计器与编码器和解码器联合训练，以估计人脸图像年龄并为年龄推进/回退提供个性化目标年龄嵌入。该个性化目标年龄嵌入通过融合当前年龄的个性化残差年龄嵌入与目标年龄的范例人脸老化基来合成，其中所有前述老化基均由所学线性年龄估计器权重导出。该表述带来了估计年龄与生成个性化老化人脸的统一视角，可为每一个单独年龄学习自估计年龄嵌入。在不同数据集上的定性与定量评估进一步证明了在连续人脸老化方面相对最先进方法的显著改进。