【技术实现步骤摘要】
基于生成对抗网络的人脸光照迁移方法
本专利技术涉及人脸光照迁移与生成网络领域,特别涉及一种基于生成对抗网络的人脸光照迁移方法。
技术介绍
人脸图像的光照效果广泛应用于电影制作、虚拟现实、游戏娱乐等,但掌握图像的光照处理技术需要多年的实操经验。虽然图像的编辑技术也可以用于实现人脸的光照处理,但专业的图像编辑工具会不可避免地涉及到许多复杂的操作。因此,有必要开发一种更加智能的人脸光照处理方法。在人脸光照处理方法中有一种处理方式是人脸光照迁移,即将参考图像上的光照效果迁移到目标图像上。针对人脸光照迁移问题,许多学者提出了多种方法。Li等人使用对数总变差模型对人脸光照迁移进行了研究。该方法先将目标人脸图像和参考图像进行对齐,然后将图像分解为光照相关部分和光照不变部分,通过将目标图像的光照相关部分与参考图像的光照相关部分进行交换,实现光照迁移。Chen等人进一步拓展了Li的工作,他们在分解前使用加权最小二乘滤波器来保持最终重光照图像的颜色。此外,还有几种利用附加信息来进行人脸光照迁移的方法。Wen等人将球面谐波和形态模型结合起来表示任意光照下的人脸。与他们不同的是,Shu等人利用标准颜色直方图匹配而不是球面谐波来表示光照,他们使用一个通用的三维可变形人脸模型来表示光照可知的人脸几何特征。现有的人脸光照迁移方法还存在以下不足:需要进行人脸对齐或者需要利用人脸的3D信息来解决问题,这大大增加了问题的复杂性。而且,对于人脸对齐和人脸的3D结构,需要对人脸的关键点进行检测,在一些极端光照条件下算法可能会失效,这也是需要 ...
【技术保护点】
1.基于生成对抗网络的人脸光照迁移方法,其特征在于,/n(1)获取正面人脸图像的样本数据;/n(2)生成对抗网络的对抗训练:从样本数据中选择两张图像分别作为目标人脸图像和参考光照图像,将上述两张图像作为生成器的输入,生成器输出重光照图像;/n判别器将真实图像和当前生成的重光照图像的误差反馈给生成器,分类器将目标人脸图像和当前生成的重光照图像的身份信息的误差反馈给生成器;将当前生成的重光照图像作为新的当前目标人脸图像,将与原目标人脸具有相同光照效果的图像作为新的参考光照图像,重新输入到生成器中,生成器输出重构图像,将原目标人脸图像和重构图像的误差反馈给生成器,这个误差称之为循环一致性损失;/n生成器、判别器和分类器进行反复对抗训练,得到最优人脸光照迁移模型;/n(3)人脸光照迁移:利用训练好的最优人脸光照迁移模型进行人脸光照迁移,输入目标人脸图像和参考光照图像,即可输出光照迁移后带有参考光照的目标人脸图像。/n
【技术特征摘要】
1.基于生成对抗网络的人脸光照迁移方法,其特征在于,
(1)获取正面人脸图像的样本数据;
(2)生成对抗网络的对抗训练:从样本数据中选择两张图像分别作为目标人脸图像和参考光照图像,将上述两张图像作为生成器的输入,生成器输出重光照图像;
判别器将真实图像和当前生成的重光照图像的误差反馈给生成器,分类器将目标人脸图像和当前生成的重光照图像的身份信息的误差反馈给生成器;将当前生成的重光照图像作为新的当前目标人脸图像,将与原目标人脸具有相同光照效果的图像作为新的参考光照图像,重新输入到生成器中,生成器输出重构图像,将原目标人脸图像和重构图像的误差反馈给生成器,这个误差称之为循环一致性损失;
生成器、判别器和分类器进行反复对抗训练,得到最优人脸光照迁移模型;
(3)人脸光照迁移:利用训练好的最优人脸光照迁移模型进行人脸光照迁移,输入目标人脸图像和参考光照图像,即可输出光照迁移后带有参考光照的目标人脸图像。
2.根据权利要求1所述的基于生成对抗网络的人脸光照迁移方法,其特征在于,所述步骤(1)中,样本数据的图像采用CMUMulti-PIE中正面、中性表情图像,样本数据的图像进行归一化大小处理。
3.根据权利要求1所述的基于生成对抗网络的人脸光照迁移方法,其特征在于,所述步骤(2)中,生成对抗网络的框架包括一个生成器,一个判别器和一个分类器,生成器由下采样层、残差层和上采样层组成,判别器采用PatchGANs的网络架构,在判别器的最后一层加上一个卷积层,作为辅助的分类器。
4.根据权利要求1所述的基于生成对抗网络的人脸光照迁移方法,其特征在于,所述步骤(2)中,真实图像和当前生成的重光照图像的误差的计算方法为:
(2-1-1)计算生成器的损失函数:
其中,I为目标人脸图像,R为参考光照图像,Dsrc为判别器,输入为一张图像,得到多尺度特征输出来判断图像的真假,表示取一个训练批次中所有训练样本计算值的期望值;G(I,R)表示重光照图像;
(2-1-2)定义判别器的损失函数为:
其中,是由目标人脸图像I和重光照图像G(I,R)的连接线上随机进行插值采样取得,λgp是惩罚项系数,表示求关于的梯度。
5.根据权利要求1所述的基于生成对抗网络的人脸光照迁移方法,其特征在于,所述步骤(2)中,目标人脸图像和当前生成的重光照图像的身份信息的误差的计算方法为:
(2-2-1)关于目标人脸图像身份...
【专利技术属性】
技术研发人员:谢晓华,许伟鸿,赖剑煌,
申请(专利权)人:中山大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。