基于身份感知 CycleGAN 的图像与视频间人脸转换
计算机视觉与模式识别
2017-12-05 v1
摘要
本文提出一个新的无配对图像与视频间人脸转换问题，可应用于人脸视频预测与增强。该问题存在两大技术挑战：1）设计静态图像与动态视频间的鲁棒转换模型；2）在图像-视频转换中保持人脸身份。为应对这两个问题，我们通过利用图像-视频转换模型与身份保持模型，将最先进的图像到图像转换网络（循环一致对抗网络）推广到图像到视频/视频到图像转换情境。特别地，我们将最先进的 Wasserstein GAN 技术应用于图像-视频转换设定以获得更好收敛，同时引入一个人脸验证器以确保身份。在标准图像/视频人脸数据集上的实验证明了所提模型在定性与定量评估两方面的有效性。
引用
@article{arxiv.1712.00971,
title = {Face Translation between Images and Videos using Identity-aware CycleGAN},
author = {Zhiwu Huang and Bernhard Kratzwald and Danda Pani Paudel and Jiqing Wu and Luc Van Gool},
journal= {arXiv preprint arXiv:1712.00971},
year = {2017}
}