PI-GAN：用于多姿态人脸合成的学习姿态无关表示
计算机视觉与模式识别
2020-01-06 v1 图像与视频处理
摘要
生成能够从单一姿态合成多姿态人脸视图的姿态不变表示仍是一个难题。该解决方案在多媒体安全、计算机视觉、机器人学等多个领域被需求。生成对抗网络（GAN）具有编码器-解码器结构，具备学习姿态无关表示并结合判别器网络以实现逼真人脸合成的能力。我们提出PIGAN，一种循环共享编码器-解码器框架，试图解决该问题。相比传统GAN，它包含次级编码器-解码器框架，共享主结构权重，并以原始姿态重建人脸。主框架专注于创建解耦表示，次级框架旨在恢复原始人脸。我们使用CFP高分辨率、逼真数据集来检验性能。
引用
@article{arxiv.2001.00645,
title = {PI-GAN: Learning Pose Independent representations for multiple profile face synthesis},
author = {Hamed Alqahtani},
journal= {arXiv preprint arXiv:2001.00645},
year = {2020}
}
备注
8 pages, 2 figures