几何特征和属性标签驱动的人脸图像合成

摘要：

针对当前人脸图像合成中存在的模样和表情合成的多样性不足、表情的真实感不高、合成效率低的问题,提出了一种引入面部几何特征和属性标签约束的新型人脸合成网络模型.该模型在给定一张源人脸图片、一张目标人脸图片和属性(如发色、性别、年龄等)标签的情况下,能够生成一张具有源人脸表情、目标人脸身份特征以及指定属性的高真实感的人脸图像.模型包括两部分:人脸特征点生成器(Facial Landmark Generator,FLMG)和几何-属性感知生成器(Geometry and Attribute Aware Generator,GAAG).FLMG利用人脸几何特征点编码表情信息,并将源人脸的表情信息迁移到目标人脸的特征点上;GAAG结合FL M G中生成的特征点、给定的属性标签和目标人脸图片,生成一张具有指定模样和表情的人脸图片.文中还引入了一个新的软截断三元感知损失函数用于约束GAAG,该函数可使生成的人脸更好地保持目标人脸的身份特征且更加真实自然,同时可使GAAG模型以更快的速度收敛.实验结果表明,所提方法可合成模样和表情多样化的人脸图像,且人脸的外貌真实、表情自然.另外,所提网络模型只需训练一次即可实现任意不同表情之间的迁移,效率较高.

关键词：人脸图像合成、表情迁移、人脸编辑、生成式对抗网络

所属期刊栏目：49

分类号：TP317(计算技术、计算机技术)

资助基金：山东省重点研发计划;山东省自然科学基金;山东省高等学校青创科技支持计划;济南市新高校20条科研带头人工作室

在线出版日期：2022-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：214-223