口头报告基于生成对抗式图像翻译网络的人脸老化
暂无开始时间
暂无持续时间
[暂无会议] [暂无会议段]
暂无文件
摘要
针对基于生成对抗式图像翻译网络的人脸老化存在模型难以训练和合成老化图像效果不佳的问题，鉴于许多采用循环一致性生成对抗网络(CycleGAN)的模型在非成对图像的转换中取得了优异的效果，本文提出了一种基于CycleGAN和性别约束的人脸老化算法（Gender based CycleGAN,GBG）。该算法在CycleGAN框架基础上，对输入图像的性别进行区分，根据性别对不同年龄段之间的转换网络进行训练。此外，本文还提出了一种受试者参与的定量评价机制，相对传统的主观评价方法，本文的评价方法更加客观公平。实验结果表明，与传统的基于CycleGAN算法的老化模型相比，本文提出的方法所训练的模型能够合成更加逼真、细节丰富的老化人脸，同时也验证了基于性别分类的模型能够在单一性别的老化任务中表现更加出色。这充分验证了本文所提方法的有效性。
关键词
人脸老化,生成对抗网络,图像合成,图像翻译,年龄估计
报告人
发表评论