人脸属性合成的连续学习
计算机视觉与模式识别
2020-04-16 v1 机器学习
图像与视频处理
摘要
生成对抗网络（GAN）在人脸属性合成任务中展现出极大优势。然而，现有方法在新增属性扩展上的效果非常有限。为克服单一网络在新增属性合成上的局限，本文提出了一种用于人脸属性合成的连续学习方法。首先，提取输入图像的特征向量，并在特征空间中进行属性方向回归以获得不同属性的轴。然后沿该轴对特征向量进行线性引导，从而由解码器合成具有目标属性的图像。最后，为使网络具备连续学习能力，采用正交方向修改模块来扩展新增加的属性。实验结果表明，所提方法能赋予单一网络连续学习属性的能力，并且相较于当前最先进（SOTA）方法生成的属性，合成属性具有更高的准确率。
引用
@article{arxiv.2004.06904,
title = {Continuous learning of face attribute synthesis},
author = {Xin Ning and Shaohui Xu and Xiaoli Dong and Weijun Li and Fangzhe Nan and Yuanzhou Yao},
journal= {arXiv preprint arXiv:2004.06904},
year = {2020}
}