视频人脸重新老化：迈向时间一致的人脸重新老化

视频人脸重新老化旨在将视频中人物的表观年龄更改为目标年龄。该问题具有挑战性，因为缺乏在身份与年龄上保持时间一致性的配对视频数据集。大多数重新老化方法逐帧独立处理图像，未考虑视频的时间一致性。尽管部分现有工作通过潜在空间中的视频面部属性操控来解决时间连贯性问题，但它们在年龄转换上往往无法提供令人满意的性能。为应对这些问题，我们提出（1）一个具有多样化年龄群体受试者的新型合成视频数据集；（2）一个用于验证我们所提数据集有效性的基线架构；（3）专门为新评估视频重新老化技术时间一致性而开发的新型指标。我们在公开数据集（包括VFHQ与CelebA-HQ）上的综合实验表明，我们的方法在年龄转换精度与时间一致性上均优于现有方法。值得注意的是，在用户研究中，我们的方法在时间一致性上被48.1%的参与者偏好于变老方向，39.3%偏好于变年轻方向。