基于个性化的人脸老化合成研究

Existing face age synthesis methods often generate the similar aging faces for different individual faces, neglect some aging-invariant facial attributes in the age synthesis, and then cannot be collaboratively addressed the problems of the age-related face analysis well. Towards this end, the main works in this proposal include: (1) for the problem of the similar synthesized aging faces for different individual faces, we use the aging characteristics of kinship face to capture the personalized aging pattern of a certain face, and then utilize the aging difference of similar faces to enhance this personalized aging pattern; (2) for the missing or changing of some aging-invariant facial attributes, we divide a certain face into the aging-variant facial attribute layer and the aging-invariant facial attribute layer, and then reconstruct the aging-variant facial attribute layer at a future age; (3) for the problem of the aging difference in cross-age face analysis, we eliminate the aging difference of facial attributes between two faces by leveraging the face age synthesis model. Our research can not only bring in the important significance in the area of face analysis, but also improve the extensive application scenarios of age synthesis.

一般的人脸老化合成方法往往针对不同个体的人脸会合成出非常相似的老化人脸，同时造成一些不受年龄影响的人脸属性的丢失或者发生变化，最终导致人脸老化目前还无法用来解决与年龄相关的人脸分析问题。鉴于此，本项目拟开展以下几个方面的研究：(1) 针对不同个体的老化合成人脸比较相似的问题，通过利用亲属人脸的老化特征来捕捉人脸的个性化老化模式，且进一步地利用相似人脸间的老化差异来加强这种个性化的老化模式;（2）针对部分不受年龄影响的脸部属性丢失或改变的问题，通过分离人脸属性中随年龄变化而变化的老化属性层与随年龄变化而不变的特定属性层，进而只对老化属性层进行老化重构;（3）针对跨年龄的人脸分析中老化差异的问题，通过利用人脸老化合成模型消除同一个人在不同年龄下的人脸面部属性老化差异。本项目研究不仅在人脸分析研究领域中具有重要的理论意义，而且能够推动人脸老化研究广泛的应用前景。

人脸老化是人的面部属性特征随年龄增长呈现的一种不可逆转的自然变化过程。人脸老化合成的主要研究目标是通过对人脸老化模式进行建模，根据给定的人脸相片，自动地去合成其在未来任意年龄下的老化人脸图像，且使得合成出的老化人脸尽可能地接近实际的个性化老化人脸。然而，大多数现有的人脸老化合成方法往往针对不同个体的人脸会合成出非常相似的老化人脸，同时造成一些不受年龄影响的人脸属性的丢失或者发生变化，最终导致人脸老化合成技术目前还无法很好地解决与年龄相关的人脸分析问题。鉴于此，本项目对个性化的人脸老化合成展开研究，取得了一系列相关的原创性研究成果。（1）提出了一种深度亲属关系推理框架，解决了亲属关系验证与识别问题，并设计了一种基于亲属导向的人脸老化合成技术，通过亲属人脸的老化模式来捕捉人脸的个性化老化模式。（2）提出了一系列有效的深度特征学习模型学习图像与视频中的人脸视觉特征，为众多的人脸分析任务提供技术支撑。（3）提出了一种条件注意力归一化生成对抗网络，利用不同的注意力因子来对面部衰老区域进行建模，解决了人脸老化合成中部分脸部属性丢失的问题。（4）构建了一种类别注意实例归一化机制，充分挖掘人脸年龄先验信息来提高人脸年龄合成性能。（5）提出了一种基于年龄标签分布引导的生成式对抗网络,通过将传统one-hot编码替换成年龄标签分布约束编码的方式提高小跨度的年龄老化合成性能,并辅助性解决了跨年龄人脸验证与人脸识别问题。