用于人脸图像逆光照的标签去噪对抗网络（LDAN）
计算机视觉与模式识别
2017-09-08 v1
摘要
从人脸图像进行光照估计是一项重要任务，并在许多领域如图像编辑、本征图像分解和图像伪造检测中有应用。我们提出训练一个深度卷积神经网络（CNN）从单张人脸图像回归光照参数。由于缺乏野外人脸图像的大规模真实光照标签，我们使用现有方法估计光照参数，并将其视为带有未知噪声的真实标签。为减轻此类噪声的影响，我们利用生成对抗网络（GAN）的思想，提出标签去噪对抗网络（LDAN），以利用具有准确真实标签的合成数据来帮助训练深度 CNN 用于真实人脸图像上的光照回归。实验表明，我们的网络在生成相似光照条件下不同人脸的一致光照参数方面优于现有方法。此外，我们的方法在执行时间上比较先前基于优化的光照估计方法快 100,000 倍。
引用
@article{arxiv.1709.01993,
title = {Label Denoising Adversarial Network (LDAN) for Inverse Lighting of Face Images},
author = {Hao Zhou and Jin Sun and Yaser Yacoob and David W. Jacobs},
journal= {arXiv preprint arXiv:1709.01993},
year = {2017}
}