用于漫画属性识别的无监督域注意力适配网络
计算机视觉与模式识别
2020-07-21 v1
摘要
漫画属性提供独特的面部特征，有助于心理学与神经科学的研究。然而，不同于拥有大量标注图像的面部照片属性数据集，漫画属性的标注十分稀少。为便利漫画属性学习的研究，我们提出一个漫画属性数据集，即 WebCariA。此外，为利用由人脸属性训练的模型，我们提出一种新颖的无监督域适配框架，用于跨模态（即照片到漫画）属性识别，并集成了域间与域内一致性学习方案。具体而言，域间一致性学习方案包含一个图像到图像翻译器，通过生成中间图像样本首先填补照片与漫画间的域差距，以及一个标签一致性学习模块以对齐其语义信息。域内一致性学习方案将公共特征一致性学习模块与一种新颖的属性感知注意力一致性学习模块相集成，以实现更高效的对齐。我们进行了广泛的消融研究以展示所提方法的有效性。且所提方法以一定优势超越最先进（SOTA）方法。所提方法的实现见 https://github.com/KeleiHe/DAAN。
引用
@article{arxiv.2007.09344,
title = {Unsupervised Domain Attention Adaptation Network for Caricature Attribute Recognition},
author = {Wen Ji and Kelei He and Jing Huo and Zheng Gu and Yang Gao},
journal= {arXiv preprint arXiv:2007.09344},
year = {2020}
}
备注
This paper has been accepted by ECCV 2020