基于条件GAN的域翻译：从深度到RGB的面对面人脸生成
计算机视觉与模式识别
2019-01-25 v1
摘要
低成本深度传感器获取的人脸能否用于捕捉面部某些特征细节？通常答案是否定的。然而，新的深度架构可以从不同模态（如深度数据）获取的数据生成RGB图像。本文提出一种在标注RGB-D人脸数据集上训练的新的确定性条件GAN(Deterministic Conditional GAN)，可有效实现从深度到RGB的面对面翻译。尽管该网络无法为未知个体人脸重建精确的体态特征，但其能够重建可信的人脸；其外观足够准确，可用于许多模式识别任务。事实上，我们通过一些感知探针(Perceptual Probes)（例如人脸属性分类或关键点检测）测试网络的幻觉能力。深度人脸可替代对应的RGB图像使用，后者常因光照条件困难而不可用。实验结果非常有前景，且优于先前提出的方法：这种域翻译可构成在未来新应用中利用深度数据的新途径。
引用
@article{arxiv.1901.08101,
title = {Domain Translation with Conditional GANs: from Depth to RGB Face-to-Face},
author = {Matteo Fabbri and Guido Borghi and Fabio Lanzi and Roberto Vezzani and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:1901.08101},
year = {2019}
}
备注
Accepted at ICPR 2018