SliderGAN：通过滑动三维混合形状参数合成富有表现力的人脸图像
计算机视觉与模式识别
2019-08-27 v1
摘要
图像到图像（i2i）转换是一种利用对齐图像对学习如何将输入图像变换为输出图像的密集回归问题。随着深度卷积神经网络（DCNNs）的出现，特别是使用生成对抗网络（GANs）的学习范式，i2i 转换取得了显著进展。在缺乏配对图像的情况下，i2i 转换通过一个或多个域变换（即 CycleGAN、StarGAN 等）来解决。在本文中，我们研究了一个新问题，即在对应描述物理过程的模型的一组连续参数下的图像到图像转换。具体而言，我们提出 SliderGAN，其根据面部运动的统计混合形状模型的连续值将输入人脸图像转换为新图像。我们展示了可以使用控制混合形状模型连续值的滑块，根据表情和语音混合形状编辑人脸图像。与基于离散表情或动作单元的模型相比，这在包括但不局限于人脸编辑、表情迁移和人脸中性化等各种任务中提供了更大的灵活性。
引用
@article{arxiv.1908.09638,
title = {SliderGAN: Synthesizing Expressive Face Images by Sliding 3D Blendshape Parameters},
author = {Evangelos Ververas and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1908.09638},
year = {2019}
}