用于多域人脸图像翻译的门控SwitchGAN
计算机视觉与模式识别
2021-11-30 v1
摘要
近期关于多域人脸图像翻译的研究已取得令人印象深刻的成果。现有方法通常向判别器提供辅助分类器以施加域翻译。然而，这些方法忽略了关于域分布匹配的重要信息。为解决此问题，我们提出了一种具有更具自适应性的判别器结构和匹配生成器的切换生成对抗网络(SwitchGAN)，以在多个域之间执行精细的图像翻译。我们提出了一种特征切换操作，以在条件模块中实现特征选择与融合。我们展示了模型的有效性。此外，我们还引入了生成器的一项新能力，即无需定制训练即可表示属性强度控制并提取内容信息。在Morph、RaFD和CelebA数据库上的实验从视觉和定量上表明，我们扩展的SwitchGAN(即Gated SwitchGAN)能够取得优于StarGAN、AttGAN和STGAN的翻译结果。使用训练好的ResNet-18模型获得的属性分类准确率以及使用ImageNet预训练的Inception-v3模型获得的FID分数也从定量上证明了我们模型的优越性能。
引用
@article{arxiv.2111.14096,
title = {Gated SwitchGAN for multi-domain facial image translation},
author = {Xiaokang Zhang and Yuanlue Zhu and Wenting Chen and Wenshuang Liu and Linlin Shen},
journal= {arXiv preprint arXiv:2111.14096},
year = {2021}
}
备注
Accepted in IEEE TRANSACTIONS ON MULTIMEDIA(TMM)