用于人脸表情到表情转换的表达条件生成对抗网络
计算机视觉与模式识别
2019-05-15 v1 人工智能
机器学习
多媒体
摘要
本文关注人脸表情转换任务，提出了一种新颖的表达条件生成对抗网络（Expression Conditional GAN，ECGAN），该网络能够基于额外的表情属性学习从一个图像域到另一个图像域的映射。所提出的 ECGAN 是一个通用框架，适用于不同的表情生成任务，其中特定的面部表情可通过条件属性标签轻松控制。此外，我们引入了一种新颖的人脸掩码损失，以减轻背景变化的影响。而且，我们提出了一个用于真实场景下人脸表情生成与识别的完整框架，该框架由两个模块组成，即生成与识别。最后，我们在多个公开人脸数据集上评估了我们的框架，这些数据集中的对象具有不同的种族、光照、遮挡、姿态、颜色、内容和背景条件。尽管这些数据集差异很大，定性与定量结果均表明我们的方法能够准确且鲁棒地生成面部表情。
引用
@article{arxiv.1905.05416,
title = {Expression Conditional GAN for Facial Expression-to-Expression Translation},
author = {Hao Tang and Wei Wang and Songsong Wu and Xinya Chen and Dan Xu and Nicu Sebe and Yan Yan},
journal= {arXiv preprint arXiv:1905.05416},
year = {2019}
}
备注
5 pages, 5 figures, accepted to ICIP 2019