【技术实现步骤摘要】
基于Top
‑
k排序的无监督域对齐人脸条件图像生成方法
[0001]本专利技术涉及计算机视觉和机器学习
，具体是基于Top
‑
k排序的无监督域对齐人脸条件图像生成方法。
技术介绍
[0002]人脸条件图像生成是计算机视觉领域的一个研究方向，它的任务是基于给定的条件图像(人脸掩膜或人脸边缘轮廓等)，将样例图像中的人脸属性转移至条件图像上，从而生成符合条件图像语义属性与样例图像人脸风格的全新人脸图像。然而，为了实现精准的人脸属性迁移，需要实现条件图像和样例图像之间的跨域对齐，早期的方法都需要大量的有标签数据，获得这些数据则需要高昂的开销和时间成本。此后，针对跨域图像对齐的问题主要采用各种注意力机制来无监督地模拟软对齐，但是，传统的注意力机制是由特定下游任务的损失函数进行监督和引导的，而没有明确考虑对齐本身的训练信号。同时，往往学习到的注意力矩阵会比较稠密，容易存在误对齐的问题。
技术实现思路
[0003]本专利技术的目的在于解决现有技术中存在的问题，提供一种基于Top
【技术保护点】
【技术特征摘要】
1.基于Top
‑
k排序的无监督域对齐人脸条件图像生成方法，其特征是，包括步骤：S1、通过条件图像编码器提取条件图像的特征向量，通过样例图像编码器提取样例图像的特征向量，并按同样的尺度分别将两组特征向量分成N块；S2、将条件图像的特征向量块作为查询块，将样例图像的特征向量块作为样例特征块，从N个来自于条件图像的查询块中依次取出一个查询块作为Top
‑
k排序的检索块，在Top
‑
k排序中，该检索块与来自于样例图像中的N个样例特征块进行相似度计算，取前k个相似度最高的样例特征块；S3、将来自于条件图像的查询块与来自于样例图像的k个样例特征块进行局部特征注意力的计算，获得两者之间的注意力矩阵，从而得到与条件图像查询块中局部特征对齐的样例特征；S4、重复步骤S2、S3，将N个查询块的软注意力矩阵全部计算完毕后，预测最终的跨域对齐关系，之后将直接作用在样例图像上得到与条件图像对齐后样例图像；S5、将对齐后的样例图像同条件图像送入生成器中获取最后符合条件图像语义属性与样例图像人脸风格的全新人脸图像。2.根据权利要求1所述的基于Top
‑
k排序的无监督域对齐人脸条件图像生成方法，其特征是，所述步骤S1中：条件图像编码器和样例图像编码器均由5个卷积层和3个SPADE模块组成。3.根据权利要求1所述的基于Top
‑
k排序的无监督域对齐人脸条件图像生成方法，其特征是，所述步骤S1中：每...
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。