胡晓瑞，林璟怡，李 东，章 云

广东工业大学 自动化学院，广州 510000

1 引言

人类面部信息的提取和分析在计算机视觉领域有着非常广泛的应用，例如常见的人脸表情识别[1]、人脸检测[2]、身份识别[3]、带属性条件的人脸图片生成[4]等任务。随着生成对抗网络[5]的提出，人脸图像生成的相关研究日益增多，例如Bulat等人[6]提出利用图像退化学习过程的思想实现人脸超分辨任务，对于输入单张低分辨率人脸图片生成对应的高分辨率图片；Song等人[7]利用人脸几何信息来辅助人脸补全的模型对人脸图像缺失部位进行以假乱真的图像补全与修复；He等人[8]提出一种面部属性编辑生成网络，通过控制表示不同的，如发色、性别、年龄等面部属性的一维向量，从而在不改变原图人物其他身份纹理信息的情况下生成对应的符合条件属性的人脸图像；除此之外，人脸面部表情的感知是除语言交流外重要的核心信息，Choi等人[9]提出的StarGAN网络基于RaFD数据集[10]，生成了由伤心、愤怒、厌恶、开心等8个二值标签控制的人脸表情图像。

但是，目前人脸图像的表情类别标签往往都采用较为单一的常见8种表情，这对于表情丰富的人脸来说是远远不够的，尤其是自发产生的微表情更是需要一个更好的表情编码方式。由于面部表情是面部各个肌肉联合和协调行动的结果，瑞典解剖学家卡尔赫尔曼基于心理学和生物学开发出一套面部动作编码系统（Facial Action Coding System，FACS）[11]，这是一种以人脸面部各个肌肉群……