CAAE And CAAE Plus 年龄回归模型
Age Progression/Regression by Conditional Adversarial Autoencoder
现有的方法尝试在年龄组之间进行转换，它需要带标签的配对数据进行训练。在本文工作中，尝试给定一张无标签图像，生成模型可以直接生成目标年龄属性的图像。本文提出 CAAE，它学习人脸流形，遍历流形可以平滑实现 progression 和 regression。
本文所做贡献如下：
- 能够同时对年龄进行 progression 和 regression 的新框架
- 从流行的基于组学习的方法中跳出来，训练和测试都不需要配对数据
- latent vector 解耦了年龄和身份信息
- CAAE 对姿态、表情、遮挡是鲁棒的
3. 方法
本文作者 : HeoLis
原文链接 : https://ishero.net/CAAE%20And%20CAAE%20Plus%20%E5%B9%B4%E9%BE%84%E5%9B%9E%E5%BD%92%E6%A8%A1%E5%9E%8B.html
版权声明 : 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处！
学习、记录、分享、获得
