通过域适应实现弱监督卡通人脸解析
计算机视觉与模式识别
2019-05-14 v1
摘要
卡通画是一种人物艺术画像形式，其中某些显著特征被抽象或夸张以产生幽默或讽刺效果。对于属性识别和卡通编辑等众多卡通相关应用，人脸解析是提供完整面部结构理解的关键预处理步骤。然而，当前最先进的人脸解析方法需要大量像素级标注数据，而卡通的此类过程繁琐且费力。对于真实照片，有众多用于人脸解析的标注数据集。因此，我们将卡通人脸解析表述为一个域适应问题，其中真实照片作为源域，适应于目标卡通。具体而言，我们首先利用基于空间变换器的网络来实现形状域偏移。然后采用前馈风格迁移网络来捕获纹理级域差距。通过这两步，我们从真实照片合成卡通人脸，从而可利用原始照片的解析真值来学习解析模型。在合成与真实卡通上的实验结果证明了所提域适应算法的有效性。代码见：https://github.com/ZJULearning/CariFaceParsing 。
引用
@article{arxiv.1905.05091,
title = {Weakly-supervised Caricature Face Parsing through Domain Adaptation},
author = {Wenqing Chu and Wei-Chih Hung and Yi-Hsuan Tsai and Deng Cai and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:1905.05091},
year = {2019}
}
备注
Accepted in ICIP 2019, code and model are available at https://github.com/ZJULearning/CariFaceParsing