【论文笔记】GAN-摘要-201709

【1】Huang R, Zhang S, Li T, et al. Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis[J]. arXiv preprint arXiv:1704.04086, 2017.

TP-GAN 通过人脸的全局和局部两个GAN分支的结合，将不同姿态的人脸变换为正面人脸，同时能够很好地保留人脸的身份信息。除此之外，像素差、对称度、对抗以及身份保留度等四个损失函数，像素，增强了生成人脸的真实性和身份特征。该算法在MultiPIE数据集上取得了很好的人脸转正效果，并且大幅提高了大角度下人脸识别的准确率。

PS：如果证明算法能在in-the-wild数据集上能够取得同样的效果，那就太好了。

【2】Dual-Agent GANs for Photorealistic and Identity Preserving Profile Face Synthesis

这篇论文是通过将3D几何变换和GAN方法的结合，增强不同姿态的人脸数据数量，从而提高训练的识别模型的性能。给定一张人脸，首先根据传统的3D人脸模型和2D关键点将人脸映射为任意角度的人脸。只通过这种途径生成的人脸在真实性上有所欠缺，DR-GAN是在此基础上进行refinement，同时在对抗网络的损失函数中加了边界平衡正则化项，生成一张更接近真实人脸、同时能够很好保留ID属性的这样一个网络。加入了DR-GAN增强的数据进行训练，有效提高了模型在IJB-A这类无约束人脸数据集的识别性能。

PS：传统3D方法和GAN的结合，refinement这个模块需要好好学习下。静待源码。