通过对抗人脸验证的身份感知深度人脸幻构
计算机视觉与模式识别
2019-09-19 v1 机器学习
摘要
在本文中,我们通过提出一种为 face verification 优化的新型多尺度生成对抗网络 (GAN) 架构来解决人脸幻构问题。首先,我们提出一种用于高上采样倍率因子人脸幻构的多尺度生成器架构,其在不同分辨率下具有多个中间输出。这些中间输出具有从合成小图像到大图像的渐进目标。其次,我们将一个人脸验证器与原始 GAN 判别器结合,并提出一种新型判别器,其学习在区分生成的假高分辨率人脸图像与其真值图像的同时区分不同身份。特别地,所学生成器不仅关注幻构人脸图像的视觉质量,还关注在幻构过程中保留判别性特征。此外,为捕获感知相关的差异,我们采用感知相似性损失,而非像素空间中的相似性。我们在 LFW 和 CelebA 数据集上对我们的框架进行定量与定性评估。实验结果表明,在 8 倍下采样的测试数据集上,我们所提方法相对于最先进 (SOTA) 方法具有优势。
引用
@article{arxiv.1909.08130,
title = {Identity-Aware Deep Face Hallucination via Adversarial Face Verification},
author = {Hadi Kazemi and Fariborz Taherkhani and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:1909.08130},
year = {2019}
}
备注
BTAS 2019