学习合成与合成学习

属性引导的人脸图像合成旨在操纵人脸图像上的属性。大多数现有的图像到图像翻译方法要么使用单一属性在任何两个图像域之间执行固定翻译，要么需要具有每个主体感兴趣属性的训练数据。因此，这些方法只能为每对图像域训练一个特定模型，这限制了它们处理两个以上域的能力。这些方法的另一个缺点是它们经常遭受模式崩溃这一常见问题，降低了生成图像的质量。为克服这些缺陷，我们提出使用单一模型的属性引导人脸图像生成方法，能够基于感兴趣属性合成多个照片级真实感人脸图像。此外，我们采用所提模型在保留人脸特征的同时提升模拟人脸图像的真实感。与现有模型相比，我们的方法生成的合成人脸图像在多个人脸数据集上呈现出良好的照片级真实感质量。最后，我们证明生成的人脸图像可用于合成数据增强，并提升用于面部表情识别的分类器性能。