FA-GANs：基于生成对抗网络的正面人脸吸引力增强
计算机视觉与模式识别
2020-06-09 v2
摘要
人脸吸引力增强多年来一直是计算机视觉与图形学中有趣的应用。其目标是通过对图像和几何结构进行操作来生成更具吸引力的人脸，同时保留人脸身份。本文中，我们提出首个用于从几何与外观两方面增强人脸吸引力的生成对抗网络（GANs），称之为“FA-GANs”。FA-GANs 包含两条分支，从人脸几何与人脸外观两个视角增强人脸吸引力：每条分支由各自的 GAN 组成，其中外观分支调整人脸图像，几何分支调整人脸关键点，分别对应于外观与几何方面。不同于从成对人脸（同一人增强前后难以收集）学习的传统人脸操作，我们通过无监督对抗学习吸引力人脸的特征来实现这一点。所提 FA-GANs 能够提取吸引力特征并将其施加于增强结果。为更好地增强人脸，几何与外观网络均被考虑通过独立调整人脸的几何布局与外观来细化人脸吸引力。据我们所知，我们是首个用 GANs 从几何与外观两方面增强人脸吸引力的。实验结果表明，我们的 FA-GANs 能在几何结构与人脸外观上生成引人注目的感知结果，并优于当前最先进的方法。
引用
@article{arxiv.2005.08168,
title = {FA-GANs: Facial Attractiveness Enhancement with Generative Adversarial Networks on Frontal Faces},
author = {Jingwu He and Chuan Wang and Yang Zhang and Jie Guo and Yanwen Guo},
journal= {arXiv preprint arXiv:2005.08168},
year = {2020}
}
备注
10 pages, 8 figures