机器之心获悉，一篇关于利用 GAN 进行人脸妆容变化的论文在社群受到关注。论文概要如下：面部化妆转移是一种广泛使用的技术，旨在将化妆风格从参考面部图像转移到非化妆面部。现有文献利用对抗性损失，使得生成的人脸高质量且是真实的面貌，但只能产生固定的输出。受到解缠表示的最新进展启发，在本文中，我们提出了 DMT（解缠化妆转移），一种统一的生成对抗网络，以实现不同的化妆转移场景。我们的模型包含一个身份编码器和一个化妆编码器，可以解开任意面部图像的个人身份和化妆风格。基于两个编码器的输出，采用解码器来重建原始面部。我们还应用鉴别器来区分真实面孔和假面孔。因此，我们的模型不仅可以将化妆风格从一个或多个参考面部图像转移到具有可控强度的非化妆面部，而且还可以生成具有从先前分布采样的样式的各种输出。大量实验表明，我们的模型优于现有文献，通过为不同的化妆样式转移人脸生成高质量的结果。