最新录用 | BeautyGAN+：基于全新PMT数据集的美妆转移混合监督学习算法
白玉, 颜波, 谭伟敏. BeautyGAN+：基于全新PMT数据集的美妆转移混合监督学习算法. 中国科学: 信息科学, 2021, doi: 10.1360/SSI-2021-0093
本文通过在无监督的BeautyGAN网络模型基础上加入有监督损失进行进一步训练来实现BeautyGAN+, 帮助模型进一步收敛到更好的性能. 实验证明, 本文BeautyGAN+方法的主要贡献可总结为以下几点:
（1）本文贡献了第一个具有像素级对齐成对素颜-美妆数据、包含1115组成对数据的美妆转移数据集, 简称为PMT数据集; 该数据集为美妆转移工作中的有监督学习创造了可能, 且对淡妆数据有更多的关注, 并为今后构造此类数据集提供了全新的思路;
（2）方法上，基于该PMT数据集, 本文提出了在目前无监督方法中加入有监督损失的BeautyGAN+方法, 兼具了无监督学习的迁移性和有监督学习对细节的保持能力, 是目前美妆转移工作中第一个混合监督的方法;
（3）训练方式上, 本文采取在无监督模型基础上继续加入有监督损失的训练方式, 用较少的训练次数克服了无监督模型对背景色彩的改变和边缘处理较差的问题, 使用较少的计算资源实现了模型性能较大的提升.
最新录用文章未经编辑加工，内容均来自于作者提交最终版稿件，可能会与最终出版文章有微小差异。点击下方阅读原文按钮可获取文章预发表版本。
《中国科学：信息科学》| SCIENCE CHINA Information Sciences
及时报道计算机科学与技术、控制科学与控制工程、通信与信息系统、微电子与固体电子学等领域基础与应用研究方面的原创性成果.
英文版投稿: https://mc03.manuscriptcentral.com/scis
中文版投稿: https://www.scicloudcenter.com/SSI/login/index
快速访问: http://scis.scichina.com/