小波域全局与局部一致的年龄合成
计算机视觉与模式识别
2019-04-02 v2
摘要
年龄合成是一项具有挑战性的任务，因为人类衰老过程存在复杂且非线性的变换。衰老信息通常反映在局部面部区域，例如眼角的皱纹。然而，在先前基于GAN的年龄合成方法中，这些局部面部区域贡献较小。为解决此问题，我们提出小波域全局与局部一致年龄生成对抗网络（WaveletGLCA-GAN），其中集成一个全局特定网络与三个局部特定网络，以捕获人脸的全局拓扑信息与局部纹理细节。与大多数在图像域建模年龄合成的现有方法不同，我们采用小波变换在频域刻画纹理信息。此外，为在保留身份信息的前提下实现精确年龄生成，采用了年龄估计网络与人脸验证网络。并且，采用了五种损失：1）对抗损失旨在生成真实的小波；2）身份保持损失旨在更好地保留身份信息；3）年龄保持损失旨在增强年龄合成的准确性；4）像素级损失旨在保留输入人脸的背景信息；5）全变分正则化旨在去除重影伪影。我们的方法在三个面部老化数据集上评估，包括CACD2000、Morph和FG-NET。定性与定量实验显示了所提方法相对于其他SOTA方法的优越性。
引用
@article{arxiv.1809.07764,
title = {Global and Local Consistent Wavelet-domain Age Synthesis},
author = {Peipei Li and Yibo Hu and Ran He and Zhenan Sun},
journal= {arXiv preprint arXiv:1809.07764},
year = {2019}
}