面向细粒度卡通人脸生成的少样本知识迁移
计算机视觉与模式识别
2020-07-28 v1
摘要
本文关注于为不同群体生成细粒度卡通人脸。我们假设其中一个群体拥有充足的训练数据，而其他群体仅包含少量样本。尽管这些群体的卡通人脸共享相似风格，不同群体中的外观仍可能具有一些特定特征，使它们彼此区分。该任务的一大挑战是如何在群体间迁移知识，并仅以少量样本学习群体特有特征。为解决这个问题，我们提出了一个两阶段训练过程。首先，训练基础群体（由充足数据组成）的基础翻译模型。然后，给定其他群体的新样本，我们通过为每个新群体创建群体特定分支来扩展基础模型。群体特定分支被直接更新以捕捉各群体的特定外观，而其余群体共享参数被间接更新以维持中间特征空间的分布。以此方式，我们的方法能够为不同群体生成高质量卡通人脸。
引用
@article{arxiv.2007.13332,
title = {Few-shot Knowledge Transfer for Fine-grained Cartoon Face Generation},
author = {Nan Zhuang and Cheng Yang},
journal= {arXiv preprint arXiv:2007.13332},
year = {2020}
}
备注
Technical Report