基于 StyleGAN2 模型自适应技术的裂面异常无监督评估
计算机视觉与模式识别
2022-11-15 v1
摘要
本文提出一种新颖的机器学习框架，用于一致地检测、定位并评级人脸中的先天性唇裂异常。目标是提供一种与人类判断相匹配的面部差异及重建手术结果的通用、客观度量。所提方法采用 StyleGAN2 生成对抗网络并结合模型自适应，以产生受唇裂影响面部的归一化变换，从而允许随后使用逐像素相减方法进行畸形测量。所提框架的完整流程包含以下步骤：图像预处理、面部归一化、颜色变换、形态学腐蚀、热力图生成与异常评分。通过利用所考虑框架的特征，提出了可精细辨别解剖异常的热力图。该框架通过计算机仿真与含人类评分的问卷调查进行验证。所提计算机模型产生的异常分数与人类面部差异评分密切相关，Pearson 相关系数 r 达 0.942。
引用
@article{arxiv.2211.06659,
title = {Unsupervised Anomaly Appraisal of Cleft Faces Using a StyleGAN2-based Model Adaptation Technique},
author = {Abdullah Hayajneh and Mohammad Shaqfeh and Erchin Serpedin and Mitchell A. Stotland},
journal= {arXiv preprint arXiv:2211.06659},
year = {2022}
}
备注
All the face images used in this study were publicly available on the internet