基于改进CycleGAN的人脸老化年轻化模拟

人脸老化和年轻化是预测一个人在不同年龄的人脸图像，是风格迁移领域的一个研究分支，img2img任务。几乎所有先前的工作需要成对的训练数据，这类数据在现实生活中难以搜集；人脸老化过程还可能抹除人脸的各种属性，如性别属性。为了解决这些问题，我提出了一种基于CycleGAN的新模型，使用双线性插值+1x1卷积取代CycleGAN中的反卷积部分，使生成图像避免出现棋盘效应，生成的图像有更好的显示效果。对比过往研究，我完全使用非成对的人脸图像进行训练，也能达到准确的老化和年轻化效果。使用CycleGAN完成老化任务，人脸性别特征会出现“性别翻转”现象。我将性别特征作为图像第四通道输入网络，配合性别损失函数，有效减少性别翻转发生的概率。