人脸表情系列：论文阅读——Unconstrained Facial Expression Transfer using Style-based Generator

比较新的论文，2019.12的，来自Facebook AI。

Task是表情迁移，借鉴了styleGAN中的生成器，能得到更自然的large  scale图像。创新主要在生成器的使用方式上，避免了训练中对pair data的需求，一是能保证更充足的数据，二是对于新数据不用重新训练。

表情是一种更为抽象深层的特征，且通常附着于人脸特征上，很难单独提取，会受到个体面部特征差异的影响，通常要考虑如何解耦合。本文利用了styleGAN中的生成器实现：

styleGAN中对输入的latent code产生的不同level的特征进行了解耦合，以实现多种level上对图像生成进行控制，task是更细致地生成图像；

本文目的是通过迭代训练得到输入图像中解耦合的表情特征，然后进行特征的交换实现表情迁移。本文的解耦合实现思路是和以往的方法相反的，通常做法是用CNN从图像中提取特征，通过训练CNN改变网络中的参数调整特征的性质；本文则是直接初始化特征向量，输入styleGAN中预训练的生成器得到复原图像(即我们想要解耦合出表情特征的图像)，通过设计目标函数，使得输入的特征向量在训练中不断更新靠近目标图像中的表情特征，这期间生成器参数是固定的，训练的不是网络而是特征向量。

具体步骤和分析如下：

1. 利用检测的landmarks对图像中的人脸区域进行crop和normalize；

2. 初始化style vectors (想要从图像中提取的特征)，输入到预训练好的styleGAN中的生成器model ，使得生成器产生图像。该生成过程中，生成器model