基于显著性目标检测网络的面部属性编辑方法
针对面部属性编辑方法存在生成图像视觉效果差和图像多样性少的问题,提出了在Trans-GAN的基础上融合显著性目标检测网络(U2-Net)的面部属性编辑方法.首先,该方法在Trans-GAN的基础上融合U2-Net特征提取器作为编码器结构,提高网络对面部空间信息的提取能力;其次,Trans-GAN采用两级鉴别器,使得网络能在原始图像上捕获更多的细节信息和语义信息,生成细粒度的面部属性;最后,提出一种数据增样方式(CAR),该数据增样方式能在丰富原有数据集的同时增加面部图像属性多样性.在CelebAMask-HQ原始数据集上验证表明,与现有面部属性编辑方法相比,提出的方法不仅能准确的编辑细粒度属性区域,而且能大幅度提高面部图像质量.
面部属性编辑、U2-Net、生成对抗网络、编码器
41
TP391(计算技术、计算机技术)
西安工程大学研究生创新基金;中国高校产学研创新基金;纺织之光中国纺织工业联合会高等教育教学改革研究项目;西安工程大学高等教育研究项目
2022-09-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
1-8