基于图像合成的回归引导自动人脸美学优化策略

人脸美学滤镜在社交媒体上的使用已是众所周知，这些滤镜对图像中的个人外观进行增强，已是研究热点，现有方法证明效果极佳。传统方法通常采用基于面向人脸特征的规则方法，运用与吸引力相关的脸部特征知识，施加特定变换以最大化这些属性。在本工作中，我们提出了一种替代方法，将人脸图像投影到预训练 GAN 的潜在空间中，然后对其进行优化以生成美丽的人脸。潜在点的运动由新开发的面部美学评估回归网络引导，该网络学习区分吸引人的面部特征，在该领域的许多现有人脸美学评估模型中表现更佳。通过采用这种数据驱动方法，我们的方法能够自动从数据中捕获美学的整体模式，而无需依赖预定义的规则，从而实现更具动态性和潜在更广泛的应用，实现人脸美学编辑。这一工作展示了一种可能的新方向，用于自动化审美增强，提供了现有方法的补充替代方案。