文件名称：BeautyGAN论文翻译.docx
文件大小：4.44MB
文件格式：DOCX
更新时间：2022-10-08 16:41:37
深度学习 BeautyGAN
摘要：人脸彩妆转换的目的是在保留人脸特征的同时，将一个给定的参考彩妆人脸图像转换为另一个非彩妆人脸图像。这种实例级的传输问题比传统的域级传输任务更具挑战性，特别是当成对的数据不可用时。化妆风格也不同于全局风格(如绘画)，它由几种局部风格/化妆品组成，包括眼影、口红、粉底等等。这种局部的、精细的化妆信息提取和传递，对于现有的风格传递方法是不可行的。我们通过将全局域级损失和本地实例级损失合并到一个称为BeautyGAN的双输入/输出生成对抗网络中来解决这个问题。具体地说，域级的传输是由鉴别器来保证的，这些鉴别器可以将生成的图像与域的实际样本区分开来。实例级损失由局部人脸区域的像素级直方图损失计算得到。我们进一步引入知觉损失和循环一致性损失来生成高质量的人脸和保持身份。整体目标功能使网络能够通过无监督的对抗性学习在实例级学习翻译。我们还建立了一个新的化妆数据集，包括3834高分辨率的人脸图像。大量的实验表明，BeautyGAN可以生成视觉愉悦的化妆脸和准确的转移效果。数据和代码可以从http://liusi-group.com/projects/BeautyGAN获得。