面向人脸属性操纵的残差图像学习
计算机视觉与模式识别
2017-04-13 v2
摘要
人脸属性因其对人脸的细致描述而引人关注。与先前致力于属性预测的研究不同，我们解决一个称为人脸属性操纵的逆且更具挑战性的问题，其旨在根据给定的属性值修改人脸图像。我们提议学习相应的残差图像（定义为操纵前后图像之差），而非操纵整个图像。通过这种方式，操纵可通过适度的像素修改高效进行。我们方法的框架基于生成对抗网络(GAN)。它由两个图像变换网络和一个判别网络组成。变换网络负责属性操纵及其对偶操作，判别网络用于区分生成图像与真实图像。我们还应用对偶学习使变换网络相互学习。实验表明，残差图像可被有效学习并用于属性操纵。生成的图像保留了属性无关区域的大部分细节。
引用
@article{arxiv.1612.05363,
title = {Learning Residual Images for Face Attribute Manipulation},
author = {Wei Shen and Rujie Liu},
journal= {arXiv preprint arXiv:1612.05363},
year = {2017}
}