基于有限训练数据的StyleGAN潜在空间在人脸对齐中的探索

随着深度学习模型近年来不断增大，参数量有时已超过十亿，对大规模、带标注训练数据集的需求也随之增加。为缓解这一问题，自监督学习的研究兴趣日益增长。在该领域，生成对抗网络（GANs）尤其是StyleGAN的兴起，显著提升了图像生成的质量。本文提出利用StyleGAN在训练数据有限的情况下实现人脸对齐，而非传统的图像生成任务。我们提出的框架——基于StyleGAN嵌入的人脸对齐方法（Face Alignment using StyleGAN Embeddings, FASE），将真实图像映射至StyleGAN的隐空间，并从隐向量中预测面部关键点。实验结果表明，该方法在多个主流人脸对齐数据集上，在少样本（few-shot）设置下均达到了当前最优性能。