基于条件生成对抗网络的人脸情感生成中的类别间标签插值
计算机视觉与模式识别
2022-04-27 v1 人工智能
摘要
生成对抗网络提供了生成几乎与真实照片无法区分的逼真图像的可能性。然而，这类系统依赖于大规模数据集的存在以真实复现相应域。若不仅要生成随机新图像，还需协同建模特定（连续）特征，这尤其成问题。在人机交互（HCI）研究中一个特别重要的用例是生成人脸的情感图像，可用于各种用例，例如虚拟形象的自动生成。此处的难点在于训练数据的可用性。大多数适用于该任务的数据集依赖于分类情绪模型，因此仅具有离散标注标签。这极大阻碍了所展现情感状态间平滑过渡的学习与建模。为克服此挑战，我们探索标签插值的潜力，以增强在分类数据集上训练的网络生成以连续特征为条件图像的能力。
引用
@article{arxiv.2204.12237,
title = {Intercategorical Label Interpolation for Emotional Face Generation with Conditional Generative Adversarial Networks},
author = {Silvan Mertes and Dominik Schiller and Florian Lingenfelser and Thomas Kiderle and Valentin Kroner and Lama Diab and Elisabeth André},
journal= {arXiv preprint arXiv:2204.12237},
year = {2022}
}