人脸年龄编辑:无可奈何花落去,似曾相似春又来!

今天向大家介绍一篇今天新出的论文 High Resolution Face Age Editing,该文提出一种简单的方法实现了高分辨率的人脸年龄编辑,效果惊艳,代码也开源了。

该文作者信息:

作者来自法国巴黎理工大学、InterDigital、Valeo公司。

什么是人脸年龄编辑?

相信不少同学听说过人脸老化,把一幅人脸图像转化成人物老年的样子,人脸年龄编辑则不仅可以做人脸老化,还能“返老还童”。即给定一幅人脸图片,可以生成人物不同年龄的图像。

近年来,该领域得到了越来越多的关注,但大部分模型依然停留在只能生成低分辨率人脸阶段,且容易存在瑕疵。

那么我们下面看看该文作出的效果:

请点击查看大图!

上面的图像,黄色框起来的是该行输入图像,用一幅图像生成25到65各年龄的图像。是不是效果很惊艳了!?关键是这些生成的图像分辨率1024x1024(因微信系统所限,上述图像并未达到如此高分辨率),让人看到的细节都很真实,并没有明显的瑕疵!

方法原理

看懂了下面这幅图,就了解了其核心原理,其实并不难理解。

上图是该文算法的训练过程。给定输入人脸图像X0和对应年龄a0,想要生成的人物年龄a1。输入图像经过一个编码器、调制网络(图中黄色模块)、解码器进行图像重建,编码器是为了得到人脸的年龄无关表示,调制网络把年龄编码成128维向量,调制每一个编码后的特征通道,加入年龄特征。

经过调制的特征,进入解码器,对于该图像对应的年龄调制的特征进行人脸重建,而想要的年龄调制的特征生成一张新的人脸,并对这张新的人脸使用鉴别器判断真假和预测年龄。

人脸重建和人脸真假判断保证了人脸编辑结果视觉效果好,人脸图像去年龄编码、年龄调制网络、年龄分类用来保证生成的结果符合预期。

实验结果

与其他算法在人脸老化任务上的数值结果比较:

数据集为online face recognition API ,生成的是50岁以上的效果,可见该文方法年龄结果在50岁以上,生成图像最清晰,在表情保留方面更好,性别保留方面略差。

与其他算法在 CelebA-HQ数据集上人脸老化结果视觉比较:

该文方法分辨率最大,瑕疵更少,背景也保持的最好。

该文方法的更多年龄编辑结果:

论文地址:

https://arxiv.org/pdf/2005.04410.pdf

代码地址:

https://github.com/InterDigitalInc/HRFAE

试用起来非常简单,配置好项目后仅需一行命令!

python test.py --config 001 --target_age 65

END

在看,让更多人看到

(0)

相关推荐