学习连续人脸年龄演进：一种 GAN 金字塔
计算机视觉与模式识别
2019-01-23 v1
摘要
人脸年龄演进的两个基本需求，即年龄准确性与身份恒定性，在文献中尚未得到充分研究。本文提出一种基于生成对抗网络（GAN）的新方法来以耦合方式解决这些问题。它分别建模针对内在主体特定特征和相对于流逝时间的年龄特定面部变化的约束，确保生成的人脸呈现期望的衰老效果，同时保持个性化属性稳定。为确保照片级真实的面部细节，由合成人脸传达的高层年龄特定特征通过金字塔对抗判别器在多尺度上估计，从而以更精细的细节模拟衰老效果。此外，引入对抗学习方案同时训练单一生成器与多个并行判别器，产生平滑连续的人脸衰老序列。所提方法即使在姿态、表情、妆容等存在变化的情况下也适用，实现了显著生动的老龄化效果。通过商用现成（COTS）人脸识别系统的定量评估表明，目标年龄分布被准确恢复，在 MORPH 和 CACD 数据库上分别经过约 28 年和 23 年流逝时间的年龄变换后，99.88% 和 99.98% 的年龄演进人脸可在 0.001% 误识率（FAR）下被正确验证。视觉与定量评估均表明该方法推进了当前最优水平（SOTA）。
引用
@article{arxiv.1901.07528,
title = {Learning Continuous Face Age Progression: A Pyramid of GANs},
author = {Hongyu Yang and Di Huang and Yunhong Wang and Anil K. Jain},
journal= {arXiv preprint arXiv:1901.07528},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1711.10352