基于注意力机制的CycleGAN服装局部风格迁移研究

摘要：

针对复杂背景下服装图像局部区域风格迁移难以控制及迁移后容易产生边界伪影的问题,提出一种基于注意力机制的CycleGAN服装局部风格迁移方法.通过VGG16网络分别提取服装图像的内容特征与风格特征,将其输入基于注意力机制的CycleGAN生成器中,应用注意力机制在复杂背景下的各个服装区域分配概率分布信息,获得注意力分布更多的区域及相关度更高的区域,并采用改进的损失函数校正边界伪影,对该区域进行风格迁移得到所需的风格迁移服装图像.实验结果表明,与CNN、FCN、BeautyGAN图像局部风格迁移方法相比,该方法不仅可以突出服装图像局部风格迁移效果,而且增强了图像细节,有利于提高输出图像的真实性和艺术性.

关键词：图像风格迁移;边界伪影;注意力机制;循环生成对抗网络;损失函数

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省自然科学基金计划一般面上项目;湖北省高等学校优秀中青年科技创新团队计划

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：305-312