GAN生成人脸图像的广义视觉质量评估
计算机视觉与模式识别
2022-01-31 v1 图像与视频处理
摘要
近年来，利用生成对抗网络（GANs）进行人脸生成的兴趣急剧增长。已开发出许多成功的 GAN 算法，以面向不同应用场景生成逼真的人脸图像。然而，针对此类 GAN 生成人脸图像（GFIs）的自动质量评估工作甚少，致力于对由未见 GAN 模型生成的 GFI 进行广义且鲁棒的质量评估的工作则更少。在此，我们首次尝试研究面向 GFI 广义质量评估的主观与客观质量。更具体地，我们建立了一个大规模数据库，包含来自四种 GAN 算法的 GFI、来自图像质量评估（IQA）方法的伪标签，以及通过主观测试得到的人类意见分数。随后，我们开发了一种基于元学习的质量评估模型，能够对来自已有及未见 GAN 算法的 GFI 给出准确的质量预测。特别地，为从有限 GAN 算法生成的 GFI 对中学习共享知识，我们开发了卷积块注意力（CBA）与基于面部属性的分析（ABA）模块，确保所学知识趋于与人类视觉感知一致。大量实验表明，所提模型相比最先进的 IQA 模型取得了更优性能，并能在评估来自未见 GAN 算法的 GFI 时保持有效性。
引用
@article{arxiv.2201.11975,
title = {Generalized Visual Quality Assessment of GAN-Generated Face Images},
author = {Yu Tian and Zhangkai Ni and Baoliang Chen and Shiqi Wang and Hanli Wang and Sam Kwong},
journal= {arXiv preprint arXiv:2201.11975},
year = {2022}
}
备注
12 pages, 8 figures, journal paper