ExprGAN：具有可控表情强度的面部表情编辑
计算机视觉与模式识别
2017-09-14 v2
摘要
面部表情编辑是一项具有挑战性的任务，因为它需要对输入人脸图像进行高层语义理解。在传统方法中，要么需要配对训练数据，要么合成人脸分辨率较低。此外，只能改变面部表情的类别。为解决这些局限，我们提出一种表情生成对抗网络(ExprGAN)，用于具有可控表情强度的照片级真实感面部表情编辑。除编码器-解码器网络外，特别设计了一个表情控制器模块，以学习具有表现力且紧凑的表情编码。这种新颖架构使得表情强度能够从低到高连续调节。我们进一步展示，我们的ExprGAN可应用于其他任务，例如表情迁移、图像检索，以及用于训练改进的人脸表情识别模型的数据增强。为解决训练数据库规模小的问题，提出了一种有效的增量学习方案。在广泛使用的Oulu-CASIA数据集上的定量与定性评估证明了ExprGAN的有效性。
引用
@article{arxiv.1709.03842,
title = {ExprGAN: Facial Expression Editing with Controllable Expression Intensity},
author = {Hui Ding and Kumar Sricharan and Rama Chellappa},
journal= {arXiv preprint arXiv:1709.03842},
year = {2017}
}