FACE AGING WITH CONDITIONAL GENERATIVE ADVERSARIAL NETWORKS
文章用于生成不同年龄的图片,采用的模型是条件对抗网络,主要创新点是,首先通过一个网络,提取图像特征向量,并通过身份保持网络,优化图像的特征向量,特到特征向量
特征向量优化网络结构如下,
网络的训练数据为,输入图像x,以及该图像的年龄
1.indetiry preserving optimization(身份保持优化)
身份保持的思想是对于同一张图片,不管是任何年龄端,他都是输入同一个人,如果直接采用特征向量
由图b所示,直接采用特征向量
优化为初始化
2.CGAN
将优化后的特征向量
对于年龄,分为6个年龄段,分别为0-18,19-29,30-39,40-49,50-59,60+,每个年龄端对应一个年龄一个特征向量,具体为一个6维的one-hot向量.
CGAN网络的生成网络G,判别网络D结构与文献15相同,具体可以参考http://friskit.me/2017/04/05/read-paper-unsupervised-representation-learning-with-deep-convolutional-generative-adversarial-networks/.
同时在生成网络的输入,以及判别网络的第一个卷积层,插入条件信息,这里为年龄向量.
不同年龄段生成图片效果: