首页|结合多尺度特征和多维注意力的人脸风格转换

结合多尺度特征和多维注意力的人脸风格转换

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对StarGANv2模型生成的人脸图像存在风格重建效果不佳、人脸纹理不够自然等现象,该文提出结合多尺度特征和多维注意力的人脸风格转换模型.1)将多尺度特征融合模块PSConv嵌入StarGANv2生成器内,提高了模型对图像特征的提取能力;2)提出了多维注意力模块MDConv,并将该模块嵌入Star-GANv2判别器内,从而提高了模型对真假人脸图像的判别能力.与StarGANv2方法在CelebA-HQ数据集上进行对比实验的结果表明:该方法生成的人脸图像风格更美观,纹理细节更自然,学习感知图像相似度(LPIPS)的值也得到了提升.
The Face Style Conversion Combining Multiscale Feature Fusion and Multi-Dimensional Attention

刘鹤、周勇、潘翼、张金桃

展开 >

江西师范大学计算机信息工程学院,江西 南昌 330022

人脸风格转换 人脸属性合成 多尺度特征融合 多维注意力

江西省教育厅科学技术研究基金江西省教育厅重点教改课题资助项目

KJLD14021JXJG1821

2023

10.16357/j.cnki.issn1000-5862.2023.01.09

江西师范大学学报(自然科学版)
江西师范大学

江西师范大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.538
ISSN：1000-5862
年,卷(期)：2023.47(1)
  • 1