Retrieval Augmented Generation - 2017年09月

ExprGAN: Facial Expression Editing with Controllable Expression Intensity

发布时间：2017-09-12

作者：Hui Ding, Kumar Sricharan, Rama Chellappa

中文摘要：

面部表情编辑是一项具有挑战性的任务，因为它需要对输入的人脸图像有高级语义理解。在传统方法中，要么需要成对的训练数据，要么合成人脸的分辨率较低。此外，只能改变面部表情的分类。为了解决这些局限性，我们提出了一种用于照片逼真面部表情编辑的可控表情强度的表情生成对抗网络（ExprGAN）。特别设计了一个表情控制器模块，除了编码器-解码器网络外，还学习了一种表达性和紧凑的表情代码。这种新颖的架构使得表情强度可以从低到高连续调整。我们进一步表明，我们的ExprGAN可以应用于其他任务，如表情迁移、图像检索以及用于训练改进的面部表情识别模型的数据增强。为了解决训练数据库的小规模问题，提出了一种有效的增量学习方案。在广泛使用的Oulu-CASIA数据集上的定量和定性评估证明了ExprGAN的有效性。

一句话总结：

该研究提出了一种名为ExprGAN的生成对抗网络，能够实现照片逼真的面部表情编辑，并具有可控的表情强度和广泛的适用性。

---