分层梯度约束与潜码编辑融合的年龄化模拟

摘要

随着人像年龄化模拟技术在刑事侦查与数字身份认证领域的重要性日益凸显，该技术已经成为计算机视觉领域的重要研究方向之一.然而现有主流人像年龄化模拟网络过于关注年龄信息的嵌入，极大程度上限制了身份相关多尺度特征的保留，此外在模拟受头发遮挡部分面部信息的人像时通常无法避免伪影的产生.针对以上问题，提出一种分层梯度约束与潜码编辑融合的年龄化模拟(Hierarchically Optimized Disentangled Editing Generative Adversarial Networks, HODEGAN).通过分层梯度约束(HGOS)分阶段优化潜在空间，在StyleGAN2框架下分别完成粗粒度形态特征建模与细粒度纹理增强，有效解决了年龄化模拟人像身份信息保留不足的问题；针对受头发遮挡人像年龄化模拟过程中产生随机分布的伪影，设计基于潜码编辑的发型迁移模块，通过构建虚拟语义区域突破传统分割约束.在CACD、CelebA等基准数据集上的实验结果表明，HODEGAN在定性及定量指标的评估中均优于对比方法，特别在受头发遮挡人像的测试中，生成结果能够有效避免伪影的产生，确保年龄特征嵌入准确的同时显著提升了人像的身份置信度.

关键词

年龄化模拟 / 刑事侦查 / 分层梯度约束 / 潜码编辑 / 身份置信度