感知化妆的卸妆器
计算机视觉与模式识别
2020-04-21 v1
摘要
人脸验证旨在判定一对人脸图像是否属于同一身份。近期研究揭示了面部化妆对验证性能的负面影响。随着深度生成模型的快速发展，本文提出语义感知卸妆器（SAMC），以在不同姿态与表情下去除面部化妆并通过生成实现验证。其直觉在于化妆是多种化妆品的组合效果，应对不同化妆区域施加定制化处治。为此，我们在SAMC中同时提出无监督与有监督的语义感知学习策略。在图像层面，无监督注意力模块与生成器联合学习以定位化妆区域并估计程度。在特征层面，我们仅在训练阶段借助人脸解析的努力，并设计局部化纹理损失以作为补充并追求更优合成质量。在四个化妆相关数据集上的实验结果验证，SAMC不仅在256*256分辨率下产生吸引人的去化妆输出，而且通过图像生成促进了化妆不变的人脸验证。
引用
@article{arxiv.2004.09147,
title = {Cosmetic-Aware Makeup Cleanser},
author = {Yi Li and Huaibo Huang and Junchi Yu and Ran He and Tieniu Tan},
journal= {arXiv preprint arXiv:2004.09147},
year = {2020}
}
备注
Accepted by BTAS 2019 (the 10th IEEE International Conference on Biometrics: Theory, Applications and Systems)