RoutingGAN：基于解耦学习的年龄推进与回归路由
计算机视觉与模式识别
2021-02-02 v1
摘要
尽管在年龄推进与回归方面已取得令人印象深刻的成果，但基于生成对抗网络（GAN）的方法仍存在两个主要问题：1）基于条件 GAN（cGAN）的方法可在单一模型中学习任意两个年龄组之间的多种效果，但由于卷积滤波器完全共享，不足以刻画某些特定模式；2）基于 GAN 的方法可通过利用多个模型独立学习效果来学习某些特定模式，然而它们繁琐且需要提前知道年龄标签。为解决这些不足并兼得两者之长，本文引入一种基于 GAN 的类 dropout 方法（RoutingGAN），以在高层语义特征空间中路由不同效果。具体而言，我们首先从输入人脸中解耦出年龄不变特征，然后通过残差路由器逐步将效果添加到特征上，该路由器通过将卷积滤波器分配给不同年龄组并丢弃其他组的输出来实现。因此，所提出的 RoutingGAN 能在单一模型中同时学习多种效果，且卷积滤波器部分共享以学习某些特定效果。在两个基准数据集上的实验结果在定性与定量上均展示了优于现有方法的性能。
引用
@article{arxiv.2102.00601,
title = {RoutingGAN: Routing Age Progression and Regression with Disentangled Learning},
author = {Zhizhong Huang and Junping Zhang and Hongming Shan},
journal= {arXiv preprint arXiv:2102.00601},
year = {2021}
}
备注
Accepted by ICASSP 2021