基于深度生成模型的人脸编辑研究进展
人脸编辑广泛应用于公安追逃、人脸美化等领域,传统的统计学方法、基于原型的方法是解决人脸编辑的主要手段,然而这些传统技术面临着操作难度大、计算成本高等问题.近年来,深度学习快速发展,特别是生成网络的出现,为人脸编辑提供了一种全新的思路,采用深度生成模型的人脸编辑技术具有速度快、模型泛化能力强的优势.为总结近年利用深度生成模型解决人脸编辑问题的相关理论与研究,首先介绍了基于深度生成模型的人脸编辑技术采用的网络框架与原理;然后对该项技术所运用的方法进行详述,将其归纳为图像翻译、在网络内部引入条件信息、操纵潜在空间3个方面;最后总结了该项技术所面临的身份一致性、属性解耦、属性编辑精确性的挑战,并指出未来该方向亟待解决的若干问题.
人脸编辑;生成对抗网络;变分自编码器;深度学习;潜在空间
49
TP309;TP18(计算技术、计算机技术)
国家社会科学基金;CCF-绿盟科技鲲鹏科研基金;中国人民公安大学公共安全行为科学实验室开放课题
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共11页
51-61