LinesToFacePhoto：基于条件自注意力生成对抗网络从线稿生成人脸照片
计算机视觉与模式识别
2019-10-22 v1 图像与视频处理
摘要
本文探讨从线稿生成照片级真实人脸图像的任务。先前基于条件生成对抗网络（cGANs）的方法在条件图像与输出图像具有良好对齐结构时，已展现出生成视觉可信图像的能力。然而，当条件线图缺失一个或多个部件（如眼睛、鼻子、嘴巴等）时，这些模型无法合成具有一整套明确结构的人脸图像。为解决该问题，我们提出条件自注意力生成对抗网络（CSAGAN）。我们向 cGANs 引入条件自注意力机制，以捕捉人脸不同区域间的长程依赖。我们还构建了多尺度判别器。大尺度判别器强制全局结构的完整性，小尺度判别器鼓励精细细节，从而增强生成人脸图像的真实感。我们在 CelebA-HD 数据集上通过两项感知用户研究和三项定量指标评估所提模型。实验结果表明，我们的方法在保留面部结构的同时生成高质量人脸图像，其结果在定量与定性上均优于当前最优（SOTA）方法。
引用
@article{arxiv.1910.08914,
title = {LinesToFacePhoto: Face Photo Generation from Lines with Conditional Self-Attention Generative Adversarial Network},
author = {Yuhang Li and Xuejin Chen and Feng Wu and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:1910.08914},
year = {2019}
}