-
题名人脸年龄合成的生成对抗网络方法综述
被引量：2
- 1
-
-
作者
王艺博
张珂
孔英会
于婷婷
赵士玮
-
机构
华北电力大学电子与通信工程系
华北电力大学河北省电力物联网技术重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2023年第10期3004-3024,共21页
-
基金
国家自然科学基金项目(62076093,62206095,61871182)
中央高校基本科研业务费专项资金资助(2023JG002,2022MS078,2023JC006)。
-
文摘
年龄信息作为人类生物特征识别的重要组成部分,在社会保障和数字娱乐等领域具有广泛的应用前景。人脸年龄合成技术由于其广泛的应用价值,受到了越来越多学者的重视,已经成为计算机视觉领域的重要研究方向之一。随着深度学习的快速发展,基于生成对抗网络的人脸年龄合成技术已成为研究热点。尽管基于生成对抗网络的人脸年龄合成方法取得了不错的成果,但生成的人脸年龄图像仍存在图像质量较差、真实感较低、年龄转换效果和多样性不足等问题。主要因为当前人脸年龄合成研究仍存在以下困难:1)现有人脸年龄合成数据集的限制;2)引入人脸年龄合成的先验知识不足;3)人脸年龄图像的细粒度性被忽视;4)高分辨率下的人脸年龄合成问题;5)目前人脸年龄合成方法的评价标准不规范。本文对目前人脸年龄合成技术进行全面综述,以人脸年龄合成方法为研究对象,阐述其研究现状。通过调研文献,对人脸年龄合成方法进行分类,重点介绍了基于生成对抗网络的人脸年龄合成方法。此外,本文还讨论了常用的人脸年龄合成数据集及评价指标,分析了各种人脸年龄合成方法的基本思想、特点及其局限性,对比了部分代表方法的性能,指出了该领域目前存在的挑战并提供了一些具有潜力的研究方向,为研究者们解决存在的问题提供便利。
-
关键词
人脸年龄合成
图像生成
人脸图像数据集
人脸老化
深度生成方法
生成对抗网络(GAN)
-
Keywords
face age synthesis
image generation
face image database
face aging
deep generative approach
generative adversarial network(GAN)
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
