基于运动迁移增强的 StyleGAN 生成多样化猴猴面部表情
计算机视觉与模式识别
2025-11-24 v1 图像与视频处理
摘要
使用生成式 AI 技术生成动物面部图像具有挑战性，因为可用训练图像数量有限且在不同个体间的面部表情变体也不足。本研究聚焦于猴猴（macaque），该物种在系统神经科学和进化研究中被广泛研究，提出一种方法利用基于风格的生成图像模型（即 StyleGAN2）生成其面部表情。为解决数据限制问题，我们实现了：1）通过运动迁移对静态图像进行数据增强，以计算机图形学方式动画化图像；2）基于最初训练的 StyleGAN2 模型从猴猴面部潜在表示中进行样本选择，以确保训练数据集中的变体性和均匀抽样；3）对损失函数进行优化，以准确复现诸如眼动等细微运动。我们的结果表明，所提方法能够为多个猴猴个体生成多样化的面部表情，优于仅基于原有静态图像训练的模型。此外，我们展示了该模型在风格基因编辑中的有效性，具体风格参数对应于不同的面部运动。这些发现凸显了该模型在解耦运动分量作为风格参数方面的潜力，为猴猴面部表情研究提供了宝贵工具。
引用
@article{arxiv.2511.16711,
title = {Motion Transfer-Enhanced StyleGAN for Generating Diverse Macaque Facial Expressions},
author = {Takuya Igaue and Catia Correia-Caeiro and Akito Yoshida and Takako Miyabe-Nishiwaki and Ryusuke Hayashi},
journal= {arXiv preprint arXiv:2511.16711},
year = {2025}
}