廖毅，应三丛

（四川大学计算机学院，成都610065）

0 引言

随着生活水平不断提高，人们越来越多地关注自己的外表，使用化妆品或者使用手机进行上妆美颜是大家普遍且流行的选择。面部妆容虽然可以让一个人看起来更漂亮，但同时也会遮挡面部特征，甚至有些程度很深的妆容堪称“换头术”，这种厚重的妆容很容易造成人或者计算机人脸识别算法的错认、误认[1]，影响到网络社交、人脸信息安全等领域。

和与之相反的上妆算法[2]不同，在卸妆算法中，面部信息被化妆品遮挡，通过有妆图像得到卸妆后图像相比之下更为困难，卸妆算法主要有一下挑战：①由于化妆品遮挡于皮肤上方，原本皮肤的颜色，纹理的信息较少。②化妆过程中会使用深色化妆品打阴影，由于2D图像没有深度信息，可能会影响算法对人脸结构的判断。

目前研究人员对于卸妆任务也开展了多方面研究。Wang S Y等人[3]提出了一种基于局部约束的框架（LC-CDL），先判断和化妆品的使用情况，再生成去妆人脸，从而根据不同的风格进行针对性地卸妆。Chen Y C等人[4]对于去除由美颜软件生成的人脸图像美颜效果，提出了一种分量回归网络（CRN），CRN在不知道美化操作细节的情况下，将编辑后的人像图像映射回原始图像，解决了在盲还原中使用欧几里得损失的局限性。Cao C等人[5]提出了深度双向可调控的去妆网络（BTD-Net），该网络联合学习化妆过程来辅助学习去妆过程。通过引入了一个反映化妆风格的潜变量，将其作为补充条件，最终把一对多的映射约束到特定的解。……