[CVPR2018筆記]Learning Face Age Progression: A Pyramid Architecture of GANs

CVPR 2018 ORAL

intro 和related works主要講了現有方案大多將年齡信息優先，而identity信息次之，換句話說，就是生成不同年齡的同時identity信息不能很好保留

generator 部分不做介紹，無亮點，本文亮點在loss部分

文中提出了特徵提取器，用於提出特定特徵，原因是文中認為相同年齡段的不同人臉有著相同的的紋理等特定信息，而這個提取器就是提取出這些特徵。此外，該分類器是經過age分類任務預訓練好了的。

文中和今年很多思路一樣，考慮到了low-level 和high-level信息，將第2,4，7等層信息concat起來，作為d的輸入

identity信息的保留和上一個extractor類似，在人臉分類數據集上預訓練，然後拿來直接當extractor。