全局–局部协同嵌入与语义掩码驱动的年龄化方法

来源：电子与信息学报杂志2025年第11期北京时间：

作者：刘耀晖, 刘佳鑫, 孙鹏, 沈喆, 郎宇博

单位：1.中国刑事警察学院公安信息技术与情报学院 沈阳 1108542.司法部司法鉴定重点实验室 上海 2000633.沈阳航空航天大学民航学院 沈阳 110135

摘要：人像年龄化要求在保留输入人像个体特征与身份信息的同时生成指定年龄人像。针对现有方法在嵌入阶段存在的特征解耦能力不足，头发、眼镜等非年龄化因素对皮肤纹理建模干扰产生伪影的问题，该文提出一种全局–局部协同嵌入与语义掩码驱动的年龄化方法(GLS-Age)。通过全局–局部协同嵌入策略对不同潜在空间分配差异化的学习任务，在保持人像全局一致性的同时，增强了对睫毛、皮肤纹理等局部细节的还原能力，显著改善了嵌入人像的感知质量；针对非年龄化因素对皮肤纹理建模的干扰，设计一种语义掩码驱动的非年龄化区域编辑模块，通过图像填充技术对输入人像进行重构去除非年龄化因素，从而避免在年龄化过程中引入伪影。为精确迁移输入人像中头发、眼镜等非年龄化要素，进一步构建可微生成器DsGAN实现迁移潜码与原始嵌入潜码的高效对齐，确保生成人像在语义与结构上的一致性。在CACD, CelebA等公开基准数据集上的实验结果表明，GLS-Age在确保年龄转化效果的同时显著提升了身份一致性。同时在Face++平台评估中，GLS-Age所生成人像在身份置信度和年龄预测分布等指标上均获得了优异的评分。

关键词：人像年龄化, 全局–局部协同嵌入, 非年龄化因素, 语义掩码驱动, 身份置信度

基金资助：国家自然科学基金(61307016)，辽宁省教育厅科技创新团队 (LJ222410175007)，辽宁省研究生教育教学改革研究 (LNYJG2023317)，沈阳市科技计划项目社会治理科技专项(24-213-3-41)