RD-GAN:一种结合残差密集网络的高清动漫人脸生成方法

摘要：

随着动漫产业的快速发展,动漫人脸的生成成为一项关键技术.由于动漫人脸具有的高度简化和抽象的独特风格以及倾向于具有清晰的边缘、平滑的阴影和相对简单的纹理,现有方法中的损失函数面临很大的挑战,同时绘画的风格迁移技术无法获得满意的动漫结果.因此,本文提出了一种新颖的适用于动漫图像的损失函数,该函数的语义损失表示为VGG网络高级特征图中的正则化形式,以应对真实图像和动漫图像之间不同的风格,具有的边缘增强的边缘清晰损失可以保留动漫图像的边缘清晰度.4个公开数据集上的实验表明:通过本文提出的损失函数可以生成清晰生动的动漫人脸图像;在CK+数据集中,本文方法相比于现有的方法识别率提高了0.43％(宫崎骏风格)和3.29％(新海诚风格);在RAF数据集中,本文方法识别率提高了0.85％(宫崎骏风格)和2.42％(新海诚风格);在SFEW数据集中,本文方法识别率提高了0.71％(宫崎骏风格)和3.14％(新海诚风格);在Celeba数据集中也显示了本文方法优异的生成效果.实验结果说明本文方法结合了深度学习模型的优点,使检测结果更加准确.

关键词：动漫、人脸生成、风格迁移、残差密集网络、生成对抗网络

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61462042,61966018

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：22-34