视觉智能
Toward Quantifiable Face age Transformation
Ling Lin, Congcong Zhu, Lin Zhou, Jingrun Chen
实验室视觉智能方向实习助理林灵同学的最新工作《Toward Quantifiable Face age Transformation》发表在CCF-B类推荐会议ICASSP 2024,该工作致力于解决当前无法有效表达各个年龄组之间面部外观差异的问题。现有模型往往采用One-Hot向量或者人为预定义的分布作为条件来进行人脸年龄变换,但这种方法未能有效区分不同年龄组内部的差异。
图1.模型架构图
本研究提出了一种创新的框架,包括沙普利值量化模块和差异年龄嵌入迁移模块,能够有效计算出不同年龄组之间的面部外观差异,并将其应用于年龄转换过程中。首先,所提框架采用Shapley值来量化各个属性对年龄的贡献,从而得到各年龄组的年龄分布。其次,差异年龄嵌入迁移模块将目标年龄分布中采样的目标年龄向量作为输入,以调节生成图像的表观年龄。在多个具有挑战性的数据集上进行了广泛实验,结果表明,与现有技术相比,本文提出的模型在人脸老化方法取得了令人信服的性能。
原文链接:https://ieeexplore.ieee.org/abstract/document/10448304