FaceShapeGene：用于灵活人脸图像编辑的解耦形状表示
计算机视觉与模式识别
2019-05-07 v1
摘要
现有人脸图像处理方法通常侧重于编辑表情、改变一些预定义属性或应用不同滤镜。然而，用户缺乏在生成人脸中控制不同语义面部部件形状的灵活性。本文中，我们提出一种计算人脸图像解耦形状表示的方法，即FaceShapeGene。所提出的FaceShapeGene将每个语义面部部件的形状信息分别编码为一维潜向量。基于FaceShapeGene，开发了一种新颖的部件级人脸图像编辑系统，其包含形状重组网络和条件标签到人脸变换器。形状重组网络可自由重组来自不同个体的部件级潜向量，以标签图形式生成重组的人脸形状，其中包含多个主体的面部特征。条件标签到人脸变换器以无监督循环方式训练，在执行部件级人脸编辑的同时保留主体原始身份。在多个任务上的实验结果表明，所提出的FaceShapeGene表示正确地解耦了不同语义部件的形状特征。与现有方法的比较证明了所提方法在完成新颖人脸编辑任务上的优越性。
引用
@article{arxiv.1905.01920,
title = {FaceShapeGene: A Disentangled Shape Representation for Flexible Face Image Editing},
author = {Sen-Zhe Xu and Hao-Zhi Huang and Shi-Min Hu and Wei Liu},
journal= {arXiv preprint arXiv:1905.01920},
year = {2019}
}