基于GAN的人脸表情与妆容迁移方法研究

发布时间：2021-03-17 12:51

　　在计算机视觉领域,基于人脸图像的合成与分析一直是热门的研究课题。人脸表情合成在影视娱乐、人工智能产业应用广泛,自动化妆技术在美妆行业有着巨大的应用前景。虽然人脸图像合成技术在近几年得到了较大的发展,但在表情迁移与妆容迁移方面,仍存在难点与挑战:人脸表情因人而异,是面部肌肉与纹理共同变化的结果,要在保留原始身份的前提下自然清晰地模拟表情的变化并不容易;妆容风格更是千变万化,没有规律可循,同时还受到年龄、种族的影响。因此,在人脸表情迁移与妆容迁移的研究上仍需探索与创新。本文主要利用生成式对抗网络（Generative Adversarial Networks,GAN）来研究人脸表情迁移与人脸妆容迁移,主要工作内容如下:（1）提出一种基于GAN的人脸多表情迁移网络模型（Multi-expression Generative Adversarial Networks,MEGAN）。在网络设计上,MEGAN结合变分自动编码器（Variational Autoencoder,VAE）,利用VAE的编码特性,将携带表情信息的图片编码为潜在向量,提取人脸的身份特征;将表情标签融入潜在向量,输入到生成器... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

MEGAN模型架构图

MEGAN训练流程示意图

MEGAN整体网络框架图

【参考文献】：
期刊论文
[1]生成式对抗网络研究进展[J]. 王万良,李卓蓉.  通信学报. 2018(02)
[2]带眼球细节的情感虚拟人面部表情合成[J]. 曹宁哲,侯进,马文超.  计算机应用研究. 2016(12)
[3]基于小波图像融合的表情细节合成[J]. 王晓慧,贾珈,蔡莲红.  计算机研究与发展. 2013(02)

博士论文
[1]真实感人脸表情合成的关键技术研究[D]. 万贤美.浙江大学 2012

硕士论文
[1]基于频域特征提取的人脸图像迁移方法研究[D]. 李海洋.西安电子科技大学 2017
[2]人脸表情迁移与分析方法研究[D]. 蒲倩.西安电子科技大学 2014



本文编号：3087170