基于双层老化字典学习的个性化年龄模拟
计算机视觉与模式识别
2017-06-06 v1
摘要
年龄模拟被定义为针对个体人脸，在任意未来年龄对其老化面容进行具有美感的重新渲染。在本工作中，我们旨在以个性化方式自动渲染老化面容。基本上，对于每个年龄段，我们学习一个老化字典以揭示其老化特征（如皱纹），其中来自两个相邻老化字典且对应相同索引的字典基在这两个年龄段之间形成特定的老化模式，而所有这些模式的线性组合表达了特定的个性化老化过程。此外，字典学习过程中考虑了两个因素。首先，除老化字典型外，每个人可能拥有额外的个性化面部特征（如痣），这些特征在老化过程中保持不变。其次，收集特定人物所有年龄段的面容具有挑战性甚至不可能，而从相邻年龄段获取面容对则容易得多且更具实用性。为此，我们提出了一种新颖的基于双层字典学习的个性化年龄模拟(BDL-PAP)方法。此处，双层字典学习被建模为基于相邻年龄段的面容对来学习老化字典。大量实验充分证明了所提BDL-PAP在个性化年龄模拟方面优于其他SOTA方法，以及通过合成老化面容在跨年龄人脸验证中带来的性能提升。
引用
@article{arxiv.1706.01039,
title = {Personalized Age Progression with Bi-level Aging Dictionary Learning},
author = {Xiangbo Shu and Jinhui Tang and Zechao Li and Hanjiang Lai and Liyan Zhang and Shuicheng Yan},
journal= {arXiv preprint arXiv:1706.01039},
year = {2017}
}
备注
Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence