RetouchingFFHQ：面向细粒度人脸修图检测的大规模数据集
计算机视觉与模式识别
2023-07-21 v1 多媒体
摘要
短视频平台上人脸修图滤镜的广泛使用引发了人们对数字外貌真实性及虚假广告影响的担忧。为解决这些问题，迫切需要有先进的人脸修图技术。然而，缺乏大规模、细粒度的人脸修图数据集一直是该领域进展的主要障碍。本文提出 RetouchingFFHQ，一个包含超过五十万张条件修图图像的大规模细粒度人脸修图数据集。RetouchingFFHQ 凭借其大规模、高质量、细粒度与可定制性，区别于以往的数据集。通过纳入四类典型人脸修图操作及不同修图等级，我们将二分类人脸修图检测拓展为细粒度、多修图类型与多修图等级的估计问题。此外，我们提出多粒度注意力模块（Multi-granularity Attention Module, MAM）作为 CNN 主干网络的插件，以增强跨尺度表征学习。在 RetouchingFFHQ 上使用不同基线及我们所提方法的大量实验表明，在人脸修图检测上取得了良好性能。借助所提出的新数据集，我们相信未来工作在解决真实世界细粒度人脸修图检测这一挑战性问题上具有巨大潜力。
引用
@article{arxiv.2307.10642,
title = {RetouchingFFHQ: A Large-scale Dataset for Fine-grained Face Retouching Detection},
author = {Qichao Ying and Jiaxin Liu and Sheng Li and Haisheng Xu and Zhenxing Qian and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2307.10642},
year = {2023}
}
备注
Under review