基于生成对抗网络的面部属性迁移算法

摘要

面部属性迁移与人脸合成是计算机视觉领域一个重要的研究方向,研究表明利用生成式对抗网络进行面部属性迁移的任务取得了非常好的效果,然而现有方法在可扩展性和鲁棒性方面存在缺陷,并且转换过程是不可控的,在面部属性迁移上出现了困难,因此文中采用一种改进生成对抗网络的算法进行面部属性的迁移任务.首先提出一种Soft分类的方式让域和域之间可以做非线性变换,从而转换过程将变得可控;然后在生成器的每一层都扩大特征图的分辨率进行特征图的传递;最后引入Self?attention机制,使得生成的图像效果更好.为了证明所提方法的有效性,在CelabA数据集上进行实验,实验结果表明提出的算法比传统方法效果更佳.