人脸去风格化
计算机视觉与模式识别
2018-02-06 v1
摘要
迄今为止，已提出众多生成人像艺术风格的风格迁移方法。然而，将风格化人像反向转换回真实人脸这一逆问题尚待深入研究。将艺术人像还原为其原始照片级真实人脸图像，有潜力促进人类感知与身份分析。本文提出一种新颖的人脸去风格化神经网络（FDNN），从风格化人像中恢复潜在的照片级真实人脸。我们构建了一个由卷积层、全连接层与反卷积层组成的风格去除网络。卷积层旨在从风格化人脸图像中提取面部部件。随后，全连接层将风格化图像的提取特征图转换为真实人脸的对应特征图，反卷积层从转换后的特征图生成真实人脸。为使去风格化人脸与真实人脸图像相似，我们采用一个由卷积层与全连接层组成的判别网络。我们通过在大量合成图像集上实验证明了网络的有效性。此外，我们展示了我们的网络能从风格化人像及真实画作中恢复人脸，且训练阶段并未提供此类风格化数据。
引用
@article{arxiv.1802.01237,
title = {Face Destylization},
author = {Fatemeh Shiri and Xin Yu and Fatih Porikli and Piotr Koniusz},
journal= {arXiv preprint arXiv:1802.01237},
year = {2018}
}