选择性传输与铰链对抗的多图像域人脸属性迁移

摘要：

在基于生成对抗网络的人脸属性迁移过程中,存在图像域表达形式单一、图像域迁移细节失真的问题.提出一种结合选择性传输单元与铰链对抗损失的多图像域人脸属性迁移方法.在生成器中,利用自适应实例归一化融合图像的内容信息与图像域控制器生成的样式信息,增加图像域表达方式的多样性,同时通过选择性传输单元将下采样提取的内容特征根据相对属性标签选择性地传输到上采样,形成融合特征以增强图像的细节信息.在判别器中,通过增加双尺度判别,协同鉴定人脸图像的真伪及类别,从而提高判定的准确度.在此基础上,设计融合相对鉴别和铰链损失的对抗损失函数,增强真伪图像域之间的联系.在CelebA数据集上的实验结果表明,与StarGAN、STGAN等主流的多图像域人脸属性迁移方法相比,该方法能够建立更准确的多图像域映射关系,提高迁移图像的质量同时增加迁移图像表达的多样性.

关键词：生成对抗网络、多图像域属性迁移、自适应实例归一化、选择性传输单元、相对属性标签、域控制器、双尺度判别

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金15BGL048

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：179-190