基于纹理形变的生成对抗网络用于人脸编辑
计算机视觉与模式识别
2018-12-27 v1
摘要
尽管在图像到图像翻译以及基于潜在表示的面部属性编辑和表情合成方面取得了显著成功，现有方法在细节清晰度、明显图像翻译和身份保持方面仍存在局限。为解决这些问题，我们提出了一种基于纹理形变的GAN，即TDB-GAN，以从原始图像中解耦纹理并基于提取的纹理进行域迁移。该方法利用纹理迁移面部属性和表情，而无需考虑对象姿态。这带来了更清晰的细节和更明显的合成人脸视觉效果。此外，它在训练过程中带来了更快的收敛。所提方法的有效性通过大量消融研究得到验证。我们还在面部属性和面部表情合成上定性和定量地评估了我们的方法。在CelebA和RaFD数据集上的结果表明，基于纹理形变的GAN取得了更好的性能。
引用
@article{arxiv.1812.09832,
title = {Texture Deformation Based Generative Adversarial Networks for Face Editing},
author = {WenTing Chen and Xinpeng Xie and Xi Jia and Linlin Shen},
journal= {arXiv preprint arXiv:1812.09832},
year = {2018}
}
备注
10 pages, 6 figures, 3 tables