基于潜在空间解耦的遗传感知儿童人脸图像生成
计算机视觉与模式识别
2021-08-26 v1
摘要
近年来，生成对抗网络已广泛应用于图像合成，生成图像的质量得到了极大提升。然而，控制和分离面部属性（如眼睛、鼻子、嘴巴）的灵活性仍然有限。在本文中，我们提出了一种名为ChildGAN的新方法，在遗传先验下根据父母的图像生成儿童图像。其主要思想是解耦预训练生成模型的潜在空间，并以清晰的语义精确控制儿童图像的人脸属性。我们使用人脸关键点之间的距离作为伪标签，通过计算潜在向量对伪标签的梯度，找出对应人脸属性最具影响力的语义向量。此外，我们通过对无关特征进行加权并使用施密特正交化使其正交化，从而解耦语义向量。最后，在生物遗传规律的指导下，利用解耦后的语义向量融合父母的潜在向量。大量实验表明，我们的方法优于现有方法，取得了令人鼓舞的结果。
引用
@article{arxiv.2108.11080,
title = {Heredity-aware Child Face Image Generation with Latent Space Disentanglement},
author = {Xiao Cui and Wengang Zhou and Yang Hu and Weilun Wang and Houqiang Li},
journal= {arXiv preprint arXiv:2108.11080},
year = {2021}
}