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

CVPR 2018 ORAL

intro 和related works主要讲了现有方案大多将年龄信息优先，而identity信息次之，换句话说，就是生成不同年龄的同时identity信息不能很好保留

generator 部分不做介绍，无亮点，本文亮点在loss部分

文中提出了特征提取器，用于提出特定特征，原因是文中认为相同年龄段的不同人脸有着相同的的纹理等特定信息，而这个提取器就是提取出这些特征。此外，该分类器是经过age分类任务预训练好了的。

文中和今年很多思路一样，考虑到了low-level 和high-level信息，将第2,4，7等层信息concat起来，作为d的输入

identity信息的保留和上一个extractor类似，在人脸分类数据集上预训练，然后拿来直接当extractor。