UGAN：用于多域人脸翻译的不可溯源 GAN
计算机视觉与模式识别
2019-09-13 v2
摘要
多域图像到图像翻译是一项具有挑战性的任务，其目标是将一幅图像翻译成多个不同的域。翻译后的图像需要具备目标域独有的特征，同时应消除源域独有的特征。然而，现有方法常常难以避免保留与目标域不兼容的源域特征。为解决此问题，我们提出了一种称为不可溯源 GAN（Untraceable GAN, UGAN）的方法，其具有一个新颖的源分类器，用于区分一幅图像是从哪个域翻译而来的，并判断翻译后的图像是否仍保留源域特征。此外，我们以目标域的原型作为翻译器的引导，以有效合成目标域独有的特征。翻译器被训练为合成目标域独有的特征，并使判别器无法溯源到源域，从而消除源域独有的特征。最后，在人脸老化、化妆和表情编辑三个人脸编辑任务上的大量实验表明，所提出的 UGAN 能够比最先进的模型产生更优的结果。源代码将会公开。
引用
@article{arxiv.1907.11418,
title = {UGAN: Untraceable GAN for Multi-Domain Face Translation},
author = {Defa Zhu and Si Liu and Wentao Jiang and Chen Gao and Tianyi Wu and Qaingchang Wang and Guodong Guo},
journal= {arXiv preprint arXiv:1907.11418},
year = {2019}
}