论文标题：DAA: A Delta Age AdaIN operation for age estimation via binary code transformer

论文作者：Ping Chen, Xingpeng Zhang, Ye Li, Ju Tao, Bin Xiao, Bing Wang, zongjie jiang

作者单位：嘉峪智能 & 西南石油大学

本文介绍了一种基于迁移学习的表观年龄估计方法，受风格迁移和face aging的启发，将不同年龄视为不同风格，不同年龄之间的变换本质上是对应年龄特征的均值和标准差的改变，故在此基础上结合AdaIN设计能描述年龄间特征差异的操作Delta Age AdaIN(DAA)。与传统的风格迁移不同的是，我们不需要显示重建迁移后的年龄图像，只需要在深层特征上计算对应的均值和标准差，并通过DAA操作获得能描述年龄差异的风格特征。同时为了避免种族和生活环境对表观年龄的影响，我们将年龄自然数的二进制编码作为迁移学习的输入来获取具有代表性的连续的年龄特征的均值和标准差信息，从而获取更加鲁棒的年龄间的特征差异表达，进而通过特征差异向年龄差异的映射完成年龄的估计。最后通过大量实验证明本文方法的有效性和可扩展性。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除