GP-GAN：用于从面部关键点合成人脸并保持性别的生成对抗网络
计算机视觉与模式识别
2019-01-07 v2
摘要
面部关键点构成了人脸最紧凑的表示形式，已知能够保留人脸中存在的姿态、性别和面部结构等信息。已有若干工作尝试基于关键点执行高层次的面部分析任务。相比之下，本工作尝试解决从其各自关键点合成人脸的逆问题。本工作的主要目的是证明，通过利用生成模型合成相应的人脸，关键点所保留的信息（尤其是性别）可以得到进一步增强。尽管该问题因其不适定性而特别具有挑战性，但我们相信成功的合成将使多种应用成为可能，例如利用关键点提升高层次面部相关任务的性能以及进行数据集增强。为此，我们提出了一种新颖的人脸合成方法，称为性别保持生成对抗网络（GP-GAN），该方法由对抗损失、感知损失和性别保持损失共同引导。此外，我们为GP-GAN提出了一种新颖的生成器子网络UDeNet，它利用了U-Net和DenseNet架构的优势。我们进行了广泛的实验并与近期方法进行了比较，以验证所提方法的有效性。
引用
@article{arxiv.1710.00962,
title = {GP-GAN: Gender Preserving GAN for Synthesizing Faces from Landmarks},
author = {Xing Di and Vishwanath A. Sindagi and Vishal M. Patel},
journal= {arXiv preprint arXiv:1710.00962},
year = {2019}
}
备注
6 pages, 5 figures, this paper is accepted as 2018 24th International Conference on Pattern Recognition (ICPR2018)