人脸美化：超越妆容迁移
计算机视觉与模式识别
2019-12-12 v2
摘要
面部外观在我们的社交生活中扮演着重要角色。对女性美的主观感知取决于各种与脸相关的（如皮肤、脸型、头发）和环境相关的（如妆容、光照、角度）因素。类似于物理世界中的整容手术，虚拟人脸美化是一个新兴领域，有许多待解决的开放问题。受基于风格的合成与人脸美感预测最新进展的启发，我们提出了一种新颖的人脸美化框架。对于给定的具有高美感分数的参考人脸，我们基于 GAN 的架构能够将查询人脸转化为一系列具有参考美感风格和目标美感分数值的美化后人脸图像。为实现该目标，我们提出将基于风格的美感表示（从参考人脸中提取）与美感分数预测（在 SCUT-FBP 数据库上训练）共同整合到美化过程中。与妆容迁移不同，我们的方法面向多对多（而非一对一）的转化，其中多个输出可由不同参考或变化的美感分数来定义。我们报告了广泛的实验结果以证明所提出人脸美化框架的有效性与灵活性。
引用
@article{arxiv.1912.03630,
title = {Face Beautification: Beyond Makeup Transfer},
author = {Xudong Liu and Ruizhe Wang and Chih-Fan Chen and Minglei Yin and Hao Peng and Shukhan Ng and Xin Li},
journal= {arXiv preprint arXiv:1912.03630},
year = {2019}
}