近日，实验室关于人脸属性编辑的工作“AttGAN: Facial Attribute Editing by Only Changing What You Want”（作者：Zhenliang He, Wangmeng Zuo, Meina Kan, Shiguang Shan and Xilin Chen）被IEEE TIP接收。IEEE TIP的全称是IEEE Transactions on Image Processing，是CCF推荐的计算机图形学与多媒体方向的A类国际期刊，2018年SCI影响因子为5.071。
人脸属性编辑即修改感兴趣的人脸属性，例如头发颜色、表情、年龄等；该问题对人脸分析、人脸数据增广及娱乐等都具有重要的价值。人脸属性编辑要求1.合理地修改感兴趣属性，2.保持其它区域不变，然而现有的方法很难同时达到这两点要求；并且，大部分现有的方法都是一个模型负责一个属性，实用性不佳。
在本工作中，我们提出了一种名为AttGAN的方法，基于编码器-解码器结构，合理使用属性分类约束、重构及对抗学习，最终能够利用一个模型较好地修改多个感兴趣的属性并且保持其它区域不变。该工作的主要贡献包括：1）基于人脸属性编辑的两点要求，合理建模属性和隐层表达的关系；2）合理利用属性分类约束、重构及对抗学习；3）利用单模型达到较好的多属性编辑效果。该方法的总体框架图如下：
论文信息：Zhenliang He, Wangmeng Zuo, Meina Kan, Shiguang Shan and Xilin Chen, "AttGAN: Facial Attribute Editing by Only Changing What You Want," IEEE Transactions on Image Processing (TIP), 2019. (Accepted, arXiv:1711.10678).
附件：