掩码感知的真实感人脸属性编辑
计算机视觉与模式识别
2021-05-07 v1
摘要
人脸属性编辑任务已有越来越多的应用，但在编辑人脸图像属性同时保留其独特细节方面仍存在挑战。本文选择结合变分自编码器（VAE）与生成对抗网络（GAN）进行真实感图像生成。我们提出一种有效方法，在编码器的特征图中修改少量像素，连续改变属性强度而不妨碍全局信息。我们的 VAE 与 GAN 训练目标通过人脸识别损失与循环一致性损失的监督得到增强，以忠实保留人脸细节。此外，我们生成人脸掩码以强制背景一致性，使训练聚焦于编辑前景人脸而非背景。实验结果表明，我们的方法（称为 Mask-Adversarial AutoEncoder（M-AAE））能生成属性变化的高质量图像，并在细节保留上优于先前方法。
引用
@article{arxiv.1804.08882,
title = {Mask-aware Photorealistic Face Attribute Manipulation},
author = {Ruoqi Sun and Chen Huang and Jianping Shi and Lizhuang Ma},
journal= {arXiv preprint arXiv:1804.08882},
year = {2021}
}
备注
7 pages, 4 figures. Computational Visual Media(2021)