Semi-Latent GAN：从属性学习生成与修改人脸图像
计算机视觉与模式识别
2017-04-10 v1
摘要
利用高级属性控制生成与操控人脸图像是重要且有趣的问题。已有工作提出的模型能够解决这两个问题（生成或操控）之一，但无法连贯地同时解决两者。本文提出一种新颖模型，学习如何从高级语义属性同时生成与修改人脸图像。我们的核心思想是构建半隐式人脸属性空间（SL-FAS）以系统学习用户定义属性与隐属性之间，以及这些属性与RGB图像之间的关系。作为这一新构建空间的一部分，我们提出一种新模型——SL-GAN，它是生成对抗网络（GAN）的一种特定形式。最后，我们给出SL-GAN的迭代训练算法。在近期CelebA和CASIA-WebFace数据集上的实验验证了所提框架的有效性。我们还将提供数据、预训练模型与代码。
引用
@article{arxiv.1704.02166,
title = {Semi-Latent GAN: Learning to generate and modify facial images from attributes},
author = {Weidong Yin and Yanwei Fu and Leonid Sigal and Xiangyang Xue},
journal= {arXiv preprint arXiv:1704.02166},
year = {2017}
}
备注
10 pages, submitted to ICCV 2017