基于区域的面部动作单元对抗合成
计算机视觉与模式识别
2020-01-03 v1
摘要
面部表情合成或编辑近期在情感计算与面部表情建模领域受到越来越多的关注。然而，大多数现有面部表情合成工作受限于配对训练数据、低分辨率、身份信息损毁等。为应对这些局限，本文引入一种新颖的基于面部动作单元标注的动作单元（AU）级面部表情合成方法，称为局部注意力条件生成对抗网络（LAC-GAN）。给定期望的 AU 标签，LAC-GAN 利用局部 AU 区域规则控制各 AU 的状态，并利用注意力机制将若干 AU 组合为整体照片级真实感面部表情或任意面部表情。此外，我们提出的方法使用非配对训练数据，以对应 AU 标签训练操控模块，学习面部表情流形间的映射。在常用 BP4D 数据集上进行了广泛的定性与定量评估，以验证我们所提 AU 合成方法的有效性。
引用
@article{arxiv.1910.10323,
title = {Region Based Adversarial Synthesis of Facial Action Units},
author = {Zhilei Liu and Diyi Liu and Yunpeng Wu},
journal= {arXiv preprint arXiv:1910.10323},
year = {2020}
}
备注
Accepted by MMM2020