新論文提出用GAN構(gòu)建不同年齡時(shí)的樣貌：可提前看到年老時(shí)的模樣

icyfire 發(fā)布于2019-04-25 18:08 / 1997人閱讀

摘要：在這項(xiàng)工作中，我們提出了基于生成對(duì)抗網(wǎng)絡(luò)的自動(dòng)面部老化方法。用于重建輸入圖像的的近似在生成器輸入以執(zhí)行面部老化時(shí)切換年齡狀況。圖我們的使用兩個(gè)隨機(jī)行和各自限制的年齡類(lèi)別列生成的合成圖像的樣本圖面部重建與老化的樣例。

最近的研究表明生成對(duì)抗網(wǎng)絡(luò)（GAN）可以產(chǎn)生特別好的視覺(jué)保真度（visual fidelity）的合成圖像。在這項(xiàng)工作中，我們提出了基于生成對(duì)抗網(wǎng)絡(luò)的自動(dòng)面部老化（automatic face aging）方法。與之前運(yùn)用生成對(duì)抗網(wǎng)絡(luò)改變面部特征的工作相反，我們特別強(qiáng)調(diào)保存面部老化版本與原來(lái)的人的同一性。最后，我們介紹了一種生成對(duì)抗網(wǎng)絡(luò) latent vectors 的「Identity-Preserving」優(yōu)化的全新方法。通過(guò)當(dāng)前較佳的面部識(shí)別和年齡評(píng)估方案，對(duì)得到的老化和年輕化的面部圖像的客觀評(píng)價(jià)證明了被提出方法的巨大潛力。

圖 1 我們的面部老化方法。（a）用于重建輸入圖像的 latent vectors 的近似；（b）在生成器 G 輸入以執(zhí)行面部老化時(shí)切換年齡狀況。

圖 2 我們的 acGAN 使用兩個(gè)隨機(jī) latent vectors z（行）和各自限制的年齡類(lèi)別 y（列）生成的合成圖像的樣本

圖 3 面部重建與老化的樣例。（a）原始測(cè)試圖像，（b）使用最初 latent approximations 生成的重建圖像：z0，（c）使用「Pixelwise」和「Identity-Preserving」優(yōu)化的 latent approximations 生成的重建圖像：z pixel 與 z IP，和（d）通過(guò)「Identity-Preserving」z IP latent approximations 和各自限制的年齡分類(lèi) y（每列一個(gè)）生成的重建圖像的老化

歡迎加入本站公開(kāi)興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754

云服務(wù)器 GPU云服務(wù)器備案時(shí)的網(wǎng)站名稱(chēng) 解析jpeg數(shù)據(jù)時(shí)的問(wèn)題連接云服務(wù)器時(shí)的憑據(jù) 備案時(shí)的云服務(wù)器填什么

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/4458.html

相關(guān)文章

CVPR 2018：用GAN預(yù)測(cè)20年后你長(zhǎng)什么樣

摘要：年后的你長(zhǎng)什么樣北京航空航天大學(xué)和密歇根州立大學(xué)的研究人員設(shè)計(jì)了一個(gè)系統(tǒng)，采用生成對(duì)抗網(wǎng)絡(luò)，可以根據(jù)原始照片生成一個(gè)人年齡增長(zhǎng)后的樣子，甚至連發(fā)際線(xiàn)逐漸后移也能逼真地模擬。 20年后的你長(zhǎng)什么樣？北京航空航天大學(xué)和密歇根州立大學(xué)的研究人員設(shè)計(jì)了一個(gè)AI系統(tǒng)，采用生成對(duì)抗網(wǎng)絡(luò)（GAN），可以根據(jù)原始照片生成一個(gè)人年齡增長(zhǎng)后的樣子，甚至連發(fā)際線(xiàn)逐漸后移也能逼真地模擬。論文發(fā)表在CVPR 2018...

notebin 2019-04-25 18:28 評(píng)論0 收藏0
效果逆天，谷歌最新 BEGAN 刷新計(jì)算機(jī)生成圖像的質(zhì)量記錄

摘要：判別器勝利的條件則是很好地將真實(shí)圖像自編碼，以及很差地辨識(shí)生成的圖像。先看一張圖：下圖左右兩端的兩欄是真實(shí)的圖像，其余的是計(jì)算機(jī)生成的。過(guò)渡自然，效果驚人。這是谷歌本周在 arXiv 發(fā)表的論文《BEGAN：邊界均衡生成對(duì)抗網(wǎng)絡(luò)》得到的結(jié)果。這項(xiàng)工作針對(duì) GAN 訓(xùn)練難、控制生成樣本多樣性難、平衡鑒別器和生成器收斂難等問(wèn)題，提出了改善。尤其值得注意的，是作者使用了很簡(jiǎn)單的結(jié)構(gòu)，經(jīng)過(guò)常規(guī)訓(xùn)練...

Apollo 2019-04-25 18:11 評(píng)論0 收藏0
這夢(mèng)一般的街景，全是AI偽造的 | 把GAN秒成渣渣的paper+code

摘要：陳啟峰認(rèn)為，這種技術(shù)前途大好，最終可以用于創(chuàng)造真正模擬現(xiàn)實(shí)世界的游戲場(chǎng)景。小學(xué)時(shí)，陳啟峰先后獲得全國(guó)作文競(jìng)賽二等獎(jiǎng)和奧數(shù)競(jìng)賽一等獎(jiǎng)。年，歲的陳啟峰發(fā)表論文，提出數(shù)據(jù)結(jié)構(gòu)。『凡所有相，皆是虛妄』上面這張德國(guó)街道圖片，乍一看像是行車(chē)記錄儀拍的，又好像谷歌街景照片加了復(fù)古濾鏡。實(shí)際上，這是一張合成圖片。在谷歌地圖上，根本找不到這樣的街道。一個(gè)神經(jīng)網(wǎng)絡(luò)，根據(jù)自己在訓(xùn)練過(guò)程中見(jiàn)過(guò)的真實(shí)街道，生成了它...

Worktile 2019-04-25 18:16 評(píng)論0 收藏0
Google GAN之父 ICCV2017演講：解讀生成對(duì)抗網(wǎng)絡(luò)的原理與應(yīng)用

摘要：但年在機(jī)器學(xué)習(xí)的較高級(jí)大會(huì)上，蘋(píng)果團(tuán)隊(duì)的負(fù)責(zé)人宣布，公司已經(jīng)允許自己的研發(fā)人員對(duì)外公布論文成果。蘋(píng)果第一篇論文一經(jīng)投放，便在年月日，斬獲較佳論文。這項(xiàng)技術(shù)由的和開(kāi)發(fā)，使用了生成對(duì)抗網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法。 GANs「對(duì)抗生成網(wǎng)絡(luò)之父」Ian Goodfellow 在 ICCV 2017 上的 tutorial 演講是聊他的代表作生成對(duì)抗網(wǎng)絡(luò)（GAN/Generative Adversarial ...

plokmju88 2019-04-25 18:20 評(píng)論0 收藏0
WGAN最新進(jìn)展：從weight clipping到gradient penalty

摘要：前面兩個(gè)期望的采樣我們都熟悉，第一個(gè)期望是從真樣本集里面采，第二個(gè)期望是從生成器的噪聲輸入分布采樣后，再由生成器映射到樣本空間。 Wasserstein GAN進(jìn)展：從weight clipping到gradient penalty，更加先進(jìn)的Lipschitz限制手法前段時(shí)間，Wasserstein ?GAN以其精巧的理論分析、簡(jiǎn)單至極的算法實(shí)現(xiàn)、出色的實(shí)驗(yàn)效果，在GAN研究圈內(nèi)掀起了一陣...

陳江龍 2019-04-25 18:13 評(píng)論0 收藏0