人脸年龄编辑：无可奈何花落去，似曾相似春又来！

今天向大家介绍一篇今天新出的论文 High Resolution Face Age Editing，该文提出一种简单的方法实现了高分辨率的人脸年龄编辑，效果惊艳，代码也开源了。

该文作者信息：

作者来自法国巴黎理工大学、InterDigital、Valeo公司。

什么是人脸年龄编辑？

相信不少同学听说过人脸老化，把一幅人脸图像转化成人物老年的样子，人脸年龄编辑则不仅可以做人脸老化，还能“返老还童”。即给定一幅人脸图片，可以生成人物不同年龄的图像。

近年来，该领域得到了越来越多的关注，但大部分模型依然停留在只能生成低分辨率人脸阶段，且容易存在瑕疵。

那么我们下面看看该文作出的效果：

请点击查看大图！

上面的图像，黄色框起来的是该行输入图像，用一幅图像生成25到65各年龄的图像。是不是效果很惊艳了！？关键是这些生成的图像分辨率1024x1024（因微信系统所限，上述图像并未达到如此高分辨率），让人看到的细节都很真实，并没有明显的瑕疵！

方法原理

看懂了下面这幅图，就了解了其核心原理，其实并不难理解。

上图是该文算法的训练过程。给定输入人脸图像X0和对应年龄a0，想要生成的人物年龄a1。输入图像经过一个编码器、调制网络（图中黄色模块）、解码器进行图像重建，编码器是为了得到人脸的年龄无关表示，调制网络把年龄编码成128维向量，调制每一个编码后的特征通道，加入年龄特征。

经过调制的特征，进入解码器，对于该图像对应的年龄调制的特征进行人脸重建，而想要的年龄调制的特征生成一张新的人脸，并对这张新的人脸使用鉴别器判断真假和预测年龄。

人脸重建和人脸真假判断保证了人脸编辑结果视觉效果好，人脸图像去年龄编码、年龄调制网络、年龄分类用来保证生成的结果符合预期。

实验结果

与其他算法在人脸老化任务上的数值结果比较：

数据集为online face recognition API ，生成的是50岁以上的效果，可见该文方法年龄结果在50岁以上，生成图像最清晰，在表情保留方面更好，性别保留方面略差。

与其他算法在 CelebA-HQ数据集上人脸老化结果视觉比较：

该文方法分辨率最大，瑕疵更少，背景也保持的最好。

该文方法的更多年龄编辑结果：

论文地址：

https://arxiv.org/pdf/2005.04410.pdf

代码地址：

https://github.com/InterDigitalInc/HRFAE

试用起来非常简单，配置好项目后仅需一行命令！

python test.py --config 001 --target_age 65

END

在看，让更多人看到