新论文提出用GAN构建不同年龄时的样貌：可提前看到年老时的模样

icyfire 发布于2019-04-25 18:08 / 1754人阅读

摘要：在这项工作中，我们提出了基于生成对抗网络的自动面部老化方法。用于重建输入图像的的近似在生成器输入以执行面部老化时切换年龄状况。图我们的使用两个随机行和各自限制的年龄类别列生成的合成图像的样本图面部重建与老化的样例。

最近的研究表明生成对抗网络（GAN）可以产生特别好的视觉保真度（visual fidelity）的合成图像。在这项工作中，我们提出了基于生成对抗网络的自动面部老化（automatic face aging）方法。与之前运用生成对抗网络改变面部特征的工作相反，我们特别强调保存面部老化版本与原来的人的同一性。最后，我们介绍了一种生成对抗网络 latent vectors 的「Identity-Preserving」优化的全新方法。通过当前较佳的面部识别和年龄评估方案，对得到的老化和年轻化的面部图像的客观评价证明了被提出方法的巨大潜力。

图 1 我们的面部老化方法。（a）用于重建输入图像的 latent vectors 的近似；（b）在生成器 G 输入以执行面部老化时切换年龄状况。

图 2 我们的 acGAN 使用两个随机 latent vectors z（行）和各自限制的年龄类别 y（列）生成的合成图像的样本

图 3 面部重建与老化的样例。（a）原始测试图像，（b）使用最初 latent approximations 生成的重建图像：z0，（c）使用「Pixelwise」和「Identity-Preserving」优化的 latent approximations 生成的重建图像：z pixel 与 z IP，和（d）通过「Identity-Preserving」z IP latent approximations 和各自限制的年龄分类 y（每列一个）生成的重建图像的老化

欢迎加入本站公开兴趣群

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识

QQ群：81035754

私有云服务器托管备案时的网站名称解析jpeg数据时的问题连接云服务器时的凭据备案时的云服务器填什么

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/4458.html

CVPR 2018：用GAN预测20年后你长什么样

摘要：年后的你长什么样北京航空航天大学和密歇根州立大学的研究人员设计了一个系统，采用生成对抗网络，可以根据原始照片生成一个人年龄增长后的样子，甚至连发际线逐渐后移也能逼真地模拟。 20年后的你长什么样？北京航空航天大学和密歇根州立大学的研究人员设计了一个AI系统，采用生成对抗网络（GAN），可以根据原始照片生成一个人年龄增长后的样子，甚至连发际线逐渐后移也能逼真地模拟。论文发表在CVPR 2018...

notebin 2019-04-25 18:28 评论0 收藏0
效果逆天，谷歌最新 BEGAN 刷新计算机生成图像的质量记录

摘要：判别器胜利的条件则是很好地将真实图像自编码，以及很差地辨识生成的图像。先看一张图：下图左右两端的两栏是真实的图像，其余的是计算机生成的。过渡自然，效果惊人。这是谷歌本周在 arXiv 发表的论文《BEGAN：边界均衡生成对抗网络》得到的结果。这项工作针对 GAN 训练难、控制生成样本多样性难、平衡鉴别器和生成器收敛难等问题，提出了改善。尤其值得注意的，是作者使用了很简单的结构，经过常规训练...

Apollo 2019-04-25 18:11 评论0 收藏0
这梦一般的街景，全是AI伪造的 | 把GAN秒成渣渣的paper+code

摘要：陈启峰认为，这种技术前途大好，最终可以用于创造真正模拟现实世界的游戏场景。小学时，陈启峰先后获得全国作文竞赛二等奖和奥数竞赛一等奖。年，岁的陈启峰发表论文，提出数据结构。『凡所有相，皆是虚妄』上面这张德国街道图片，乍一看像是行车记录仪拍的，又好像谷歌街景照片加了复古滤镜。实际上，这是一张合成图片。在谷歌地图上，根本找不到这样的街道。一个神经网络，根据自己在训练过程中见过的真实街道，生成了它...

Worktile 2019-04-25 18:16 评论0 收藏0
Google GAN之父 ICCV2017演讲：解读生成对抗网络的原理与应用

摘要：但年在机器学习的较高级大会上，苹果团队的负责人宣布，公司已经允许自己的研发人员对外公布论文成果。苹果第一篇论文一经投放，便在年月日，斩获较佳论文。这项技术由的和开发，使用了生成对抗网络的机器学习方法。 GANs「对抗生成网络之父」Ian Goodfellow 在 ICCV 2017 上的 tutorial 演讲是聊他的代表作生成对抗网络（GAN/Generative Adversarial ...

plokmju88 2019-04-25 18:20 评论0 收藏0
WGAN最新进展：从weight clipping到gradient penalty

摘要：前面两个期望的采样我们都熟悉，第一个期望是从真样本集里面采，第二个期望是从生成器的噪声输入分布采样后，再由生成器映射到样本空间。 Wasserstein GAN进展：从weight clipping到gradient penalty，更加先进的Lipschitz限制手法前段时间，Wasserstein GAN以其精巧的理论分析、简单至极的算法实现、出色的实验效果，在GAN研究圈内掀起了一阵...

陈江龙 2019-04-25 18:13 评论0 收藏0