控制人脸图像的可记忆性

每天我们都被动辄大量的人脸照片包围，无论是在社交媒体、电视还是智能手机上。从进化角度看，人脸本应被记住，主要出于生存与个人相关性。然而，并非所有这些脸都有同等机会留存于我们的记忆中。已有研究表明可记忆性是图像的一种内在特征，但何种属性使图像更易被记住在很大程度上仍属未知。本工作中，我们旨在通过提出一种快速方法来修改并控制人脸图像的可记忆性，以解决此问题。在所提方法中，我们首先在 StyleGAN 的潜空间中找到分离高可记忆与低可记忆图像的超平面。随后，我们通过沿该超平面法向量的正或负方向移动，修改图像可记忆性（同时保持身份及其他面部特征如年龄、情绪等）。我们进一步分析了 StyleGAN 增强潜空间的不同层如何对人脸可记忆性产生贡献。这些分析揭示了各个面部属性如何使图像更易或更难被记住。最重要的是，我们在真实与人造合成人脸图像上评估了所提方法。该方法成功修改并控制了真实人类面孔以及非真实合成面孔的可记忆性。我们的方法可应用于社交媒体的照片编辑、学习辅助或广告用途。