根據(jù)“中科院之聲”的消息,近日,中國科學院自動化研究所智能感知與計算研究中心在生成對抗網(wǎng)絡基礎上,提出高保真度的姿態(tài)不變模型(High Fidelity Pose Invariant Model,HF-PIM)來克服人臉識別任務中最為經(jīng)典的姿態(tài)不一致問題。
為解決先前工作中的某些限制,論文作者在實驗中引入了一種能反映三維人臉模型和二維的人臉圖像之間點到點的關聯(lián)稠密關聯(lián)場,讓網(wǎng)絡能夠在二維圖像的指導下學習到隱含的三維人臉信息;并設計了一種全新的紋理扭曲(warping)過程,可以有效地把人臉紋理映射到圖像域,同時又可以最大程度地保持輸入的語義信息;以及提出了一種對抗殘差字典學習過程,從而可以在不依賴三維數(shù)據(jù)的情況下更有效地學習人臉紋理特征。
實驗結果表明,該方法在基準數(shù)據(jù)集上的表現(xiàn)的視覺效果和定量性能指標都優(yōu)于目前最好的基于對抗生成網(wǎng)絡的方法。此外,HF-PIM所支持的生成圖像分辨率也在原有方法的基礎上提升了一倍。該論文被神經(jīng)信息處理系統(tǒng)大會(NIPS)所收錄。
據(jù)了解,生成對抗網(wǎng)絡的提出是繼深度神經(jīng)網(wǎng)絡之后的一大革命性新進展,已被《麻省理工科技評論》評為2018年“全球十大突破性技術”,通過兩個AI系統(tǒng)的競爭對抗,極大化加速機器學習的過程,進而賦予機器智能過去從未企及的想像力。