LEED：基于解耦的无标签表情编辑
计算机视觉与模式识别
2020-07-20 v1
摘要
近期关于人脸表情编辑的研究已取得非常可喜的进展。另一方面，现有方法面临需要大量表情标签的约束，而这些标签的收集往往昂贵且耗时。本文提出一种创新的基于解耦的无标签表情编辑（LEED）框架，能够在无需任何表情标签的情况下编辑正面与侧面人脸图像的表情。其思想是在表情流形中解耦人脸图像的身份与表情，其中中性脸捕获身份属性，中性图像与表情图像之间的位移捕获表情属性。为最优表情解耦与一致合成设计了两种新型损失，包括旨在提取纯表情相关特征的互表情信息损失，以及旨在增强合成图像与参考图像间表情相似度的连体损失。在两个公开人脸表情数据集上的大量实验表明，LEED 在定性与定量上均实现了优越的人脸表情编辑效果。
引用
@article{arxiv.2007.08971,
title = {LEED: Label-Free Expression Editing via Disentanglement},
author = {Rongliang Wu and Shijian Lu},
journal= {arXiv preprint arXiv:2007.08971},
year = {2020}
}
备注
Accepted to ECCV 2020