论文题目

基于CGAN的人脸深度图估计: Face Depth Estimation With Conditional Generative Adversarial Networks

论文摘要

深度图的估计和单幅或多幅人脸图像的三维重建是计算机视觉的一个重要研究领域。在过去十年中提出和发展了许多方法。然而,像健壮性这样的问题仍然需要通过进一步的研究来解决。随着GPU计算方法的出现,卷积神经网络被应用到许多计算机视觉问题中。后来,条件生成对抗网络(CGAN)因其易于适应许多图像间问题而受到关注。CGANs已被广泛应用于各种任务,如背景掩蔽、分割、医学图像处理和超分辨率。在这项工作中,我们开发了一种基于GAN的方法来估计任何给定的单人脸图像的深度图。许多GANs的变体已经被测试用于的深度估计这项工作任务。我们的结论是,条件式瓦瑟斯坦GAN结构提供了最稳健的方法。我们还将该方法与其它两种基于深度学习和传统方法的方法进行了比较,实验结果表明,WGAN为从人脸图像中估计人脸深度图提供了很好的机会。

论文作者

Abdullah Taha Arslan,Erol Seke

关键字

三维人脸重建,生成对抗网络,深度学习

百度链接

链接: https://pan.baidu.com/s/13zk5uEeuGw7f5VyL9xAong 密码: 2bgb

成为VIP会员查看完整内容
18

相关内容

相较原始的GAN,DCGAN几乎完全使用了卷积层代替全链接层,判别器几乎是和生成器对称的,整个网络没有pooling层和上采样层的存在,实际上是使用了带步长(fractional-strided)的卷积代替了上采样,以增加训练的稳定性
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
29+阅读 · 2020年1月10日
生成式对抗网络GAN异常检测
专知会员服务
100+阅读 · 2019年10月13日
带你读论文 | 生成对抗网络GAN论文TOP 10
微软研究院AI头条
23+阅读 · 2019年4月11日
必读!生成对抗网络GAN论文TOP 10
GAN生成式对抗网络
58+阅读 · 2019年3月20日
论文推荐 | 生成对抗网络GAN论文TOP 10
机器学习算法与Python学习
5+阅读 · 2019年3月20日
CosFace: Large Margin Cosine Loss for Deep Face Recognition论文笔记
统计学习与视觉计算组
42+阅读 · 2018年4月25日
SRGAN论文笔记
统计学习与视觉计算组
98+阅读 · 2018年4月12日
ST-CGAN 用GAN实现阴影检测和阴影去除
极市平台
6+阅读 · 2017年12月14日
Arxiv
8+阅读 · 2019年2月15日
A General and Adaptive Robust Loss Function
Arxiv
7+阅读 · 2018年11月5日
Arxiv
10+阅读 · 2018年3月23日
VIP会员
相关VIP内容
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
29+阅读 · 2020年1月10日
生成式对抗网络GAN异常检测
专知会员服务
100+阅读 · 2019年10月13日
相关资讯
带你读论文 | 生成对抗网络GAN论文TOP 10
微软研究院AI头条
23+阅读 · 2019年4月11日
必读!生成对抗网络GAN论文TOP 10
GAN生成式对抗网络
58+阅读 · 2019年3月20日
论文推荐 | 生成对抗网络GAN论文TOP 10
机器学习算法与Python学习
5+阅读 · 2019年3月20日
CosFace: Large Margin Cosine Loss for Deep Face Recognition论文笔记
统计学习与视觉计算组
42+阅读 · 2018年4月25日
SRGAN论文笔记
统计学习与视觉计算组
98+阅读 · 2018年4月12日
ST-CGAN 用GAN实现阴影检测和阴影去除
极市平台
6+阅读 · 2017年12月14日
微信扫码咨询专知VIP会员