- …
- …
#135
summarized by : Teppei Kurita
どんな論文か？
顔画像の表情変化は大きな幾何変換を伴うことが多く、教師ありによるGANが最も良いとされていたが、大量の表情のラベル付けには多くの労力を伴う。そこで教師ラベルなしで顔画像の表情を所望のものに変化させるフレームワークを提案。
新規性
表情属性とIdentityの分離をするために1回「中立的な」表情への変換を挟んだことが新規性。最適なIdentity/表現属性分離のための２つの新しいロスも提案。
結果
2種類のデータセット(RaFD/CFEED)で、定量的(SSIM/facial expression classification accuracy)・定性的・知覚的(Amazon-Mechanical-Turk)に、従来手法（教師あり含む）と比較して、性能向上を確認。
その他（なぜ通ったか？等）
1回identityと表情属性の分離のために中立的な表情に変換するというアイデアに説得力がある。結果も教師ありの性能を上回っていて、わかりやすい。
- …
- …