探索无标签人脸以发现新颖属性
计算机视觉与模式识别
2019-12-09 v1
摘要
尽管在非配对图像到图像翻译方面取得了显著成功，现有系统仍需要大量标注图像。这是其实际应用的瓶颈；实践中，在标注的 CelebA 数据集上训练的模型对来自不同分布的测试图像表现不佳——极大限制了其对数量大得多的无标签图像的应用。本文试图缓解人脸图像翻译领域对标注数据的这一需求。我们旨在探索从无标签人脸中发现新颖属性并进行高质量翻译的程度。为此，我们利用关于视觉世界的先验知识作为引导来发现新颖属性，并通过一种新颖的归一化方法对其进行迁移。实验表明，我们的方法在无标签数据上训练可生成高质量翻译结果，保持身份，且在感知真实性上不逊于或优于在标注数据上训练的 SOTA 方法。
引用
@article{arxiv.1912.03085,
title = {Exploring Unlabeled Faces for Novel Attribute Discovery},
author = {Hyojin Bahng and Sunghyo Chung and Seungjoo Yoo and Jaegul Choo},
journal= {arXiv preprint arXiv:1912.03085},
year = {2019}
}
备注
10 pages, 6 figures