姿态多变的三维人脸属性生成
计算机视觉与模式识别
2019-07-25 v1
摘要
我们致力于解决在无约束姿态下使用单张图像生成人脸属性的挑战性问题。与以往主要在二维近正面图像上进行生成的工作不同，我们提出了一种基于 GAN 的框架，直接在由 UV 纹理图与位置图给出的稠密三维表示上生成属性，从而产生具有照片级真实感、几何一致且保持身份信息的输出。从应用现成三维重建方法获得的带有自遮挡的 UV 纹理图出发，我们提出了两个新颖的组件。首先，纹理补全生成对抗网络（TC-GAN）补全了残缺的 UV 纹理图。其次，三维属性生成 GAN（3DA-GAN）在获得与三维人脸几何一致的外观并保持身份的同时，合成了目标属性。在 CelebA、LFW 和 IJB-A 上的大量实验表明，我们的方法比以往方法取得了持续更优的属性生成精度、更高程度的定性照片级真实感，并保持了人脸身份信息。
引用
@article{arxiv.1907.10202,
title = {Pose-variant 3D Facial Attribute Generation},
author = {Feng-Ju Chang and Xiang Yu and Ram Nevatia and Manmohan Chandraker},
journal= {arXiv preprint arXiv:1907.10202},
year = {2019}
}