Vieillissement et rajeunissement faciaux par autoencodeur multi-adversarial conditionnel avec régression ordinale

Le vieillissement facial et la réjuvenation faciale analysent une photographie de visage donnée pour prédire l'apparence future ou estimer l'apparence passée d'une personne. Pour atteindre cet objectif, il est crucial de préserver l'identité humaine ainsi que le processus de vieillissement et de régression avec une grande précision. Cependant, les méthodes existantes ne peuvent pas gérer simultanément ces deux objectifs de manière efficace. Nous proposons une nouvelle approche basée sur un réseau génératif antagoniste (GAN), nommée Conditional Multi-Adversarial AutoEncoder with Ordinal Regression (CMAAE-OR). Cette méthode utilise une technique d'estimation de l'âge pour contrôler la précision du vieillissement et adopte une représentation des caractéristiques de haut niveau pour préserver l'identité personnalisée. Plus précisément, le visage est d'abord mappé à un vecteur latent via un encodeur convolutif. Ce vecteur latent est ensuite projeté sur la variété faciale conditionnelle à l'âge par un générateur déconvolutif. Le vecteur latent préserve les caractéristiques faciales personnalisées, tandis que l'âge contrôle le vieillissement et la réjuvenation faciaux. Un discriminateur et une régression ordonnale sont appliqués en tandem à l'encodeur et au générateur, ce qui rend les images de visage générées plus photoréalistes tout en présentant simultanément des effets de vieillissement souhaitables. De plus, une représentation des caractéristiques de haut niveau est utilisée pour préserver l'identité personnalisée du visage généré. Les expériences menées sur deux jeux de données de référence montrent des performances attractives de notre méthode par rapport à l'état de l'art.