基于人到动画角色表情迁移的面部表情识别
计算机视觉与模式识别
2019-10-15 v1
摘要
面部表情识别是一项具有挑战性的任务,主要源于两个问题:面部表情识别数据集中存在受试者间差异,以及人类受试者做出的表情不纯。本文提出一种新颖的人到动画条件生成对抗网络(HA-GAN),通过多(人脸)到一(动画脸)映射克服这两个问题。具体而言,对于任意给定的输入人类表情图像,我们的 HA-GAN 将表情信息从输入图像迁移至一个固定的动画身份。生成固定身份时使用面部表情研究组数据库(FERGDB)中的风格化动画角色。通过学习所提 HA-GAN 的这一多对一身份映射函数,可减少面部表情识别(FER)中受试者间差异的影响。我们亦主张生成动画图像中的表情为纯表情,且由于 FER 在这些生成图像上进行,面部表情识别性能得以提升。我们在前沿数据集上的初步实验结果表明,使用 HA-GAN 框架在生成动画图像上进行的面部表情识别优于基线深度神经网络,并取得与前沿方法相当甚至更优的结果。
引用
@article{arxiv.1910.05595,
title = {Facial Expression Recognition Using Human to Animated-Character Expression Translation},
author = {Kamran Ali and Ilkin Isler and Charles Hughes},
journal= {arXiv preprint arXiv:1910.05595},
year = {2019}
}
备注
8 Pages