基于生成模型的人脸图像合成与分析

发布时间：2024-05-29 23:24

　　人脸图像合成与分析是近年来机器学习和计算机视觉领域最热门的研究方向之一。随着深度学习技术的发展,人脸图像合成与分析技术取得了巨大突破。例如,当前人脸图像合成算法①经可以合成肉眼难辨真假的高清人脸图像,人脸图像分析中的人脸识别算法也已经在很多场景下超越了人类的准确率。人脸图像合成与分析技术已经广泛地进入社会各领域,成为关系国计民生的重要技术。然而,目前的人脸图像合成与分析算法在理论和应用上仍然面临着许多挑战和问题。比如,高分辨率人脸图像合成仍然是一个相对困难的任务,人脸图像的条件合成和编辑也面临着可控性和多样性的问题,人脸分析技术在非受控场景下的鲁棒性仍远远落后于人类,低质量人脸图像的复原和分析也需要继续研究。针对这些挑战,本文以生成模型为基础,从高清人脸图像合成、人脸图像条件合成与分析,和人脸图像复原三个方面对人脸图像合成与分析技术展开研究。本文取得的主要研究成果如下:1.提出了一种自省变分自编码器模型,用来合成包括人脸图像在内的高分辨率真实图像。该模型具有类似人类的自省能力,可以自己估计生成样本和真实数据之间的差异并作出改进。它为变分自编码器提供了一种全新的训练方法,以自省的方式联合...

【文章页数】：177 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 研究内容和主要工作
    1.3 论文的组织结构
第2章 研究现状
    2.1 引言
    2.2 生成模型
        2.2.1 生成对抗网络
        2.2.2 变分自编码器
        2.2.3 其他生成模型
    2.3 条件生成模型
        2.3.1 基于标签的生成模型
        2.3.2 图像翻译模型
        2.3.3 图像复原模型
    2.4 人脸图像分析技术
        2.4.1 人脸属性预测技术
        2.4.2 人脸识别技术
    2.5 小结
第3章 基于自省对抗的高清人脸图像合成
    3.1 引言
    3.2 背景知识
    3.3 自省变分自编码器
        3.3.1 对抗式分布学习
        3.3.2 自省式变分推断
        3.3.3 模型训练细节
    3.4 实验结果与分析
        3.4.1 数据集和协议
        3.4.2 合成结果及分析
        3.4.3 训练稳定性和速度分析
        3.4.4 隐空间和最近邻分析
    3.5 小结
第4章 基于变分表达的人脸图像合成与分析
    4.1 引言
    4.2 相关工作
        4.2.1 变分自编码器
        4.2.2 解耦表达学习
        4.2.3 人脸属性预测与合成
        4.2.4 异质人脸识别
    4.3 基于变分表达的人脸属性预测与合成
        4.3.1 基准模型设计
        4.3.2 互信息解耦表达
        4.3.3 自省对抗学习
        4.3.4 模型训练细节
        4.3.5 预测和采样
    4.4 基于变分表达的异质人脸识别
        4.4.1 Wasserstein卷积神经网络
        4.4.2 解耦变分表达
        4.4.3 异质人脸识别网络
        4.4.4 模型训练细节
    4.5 实验结果与分析
        4.5.1 人脸属性预测与合成
        4.5.2 异质人脸识别
    4.6 小结
第5章 基于小波变换的人脸图像复原
    5.1 引言
    5.2 小波域超分辨率卷积神经网络
        5.2.1 小波变换分析
        5.2.2 损失函数设计
        5.2.3 网络结构设计
        5.2.4 模型训练细节
    5.3 小波域超分辨率生成对抗网络
        5.3.1 损失函数设计
        5.3.2 网络结构设计
        5.3.3 模型训练细节
    5.4 小波域深度变焦网络
        5.4.1 深度变焦人脸数据集
        5.4.2 小波域深度变焦算法
    5.5 实验结果与分析
        5.5.1 人脸图像超分辨率
        5.5.2 手机人脸图像复原
    5.6 小结
第6章 总结和展望
    6.1 本文工作总结
    6.2 本文工作展望
参考文献
作者简历及攻读学位期间发表的学术论文与研究成果
致谢



本文编号：3984256