基于深度学习的人脸表情迁移方法

作者：刘剑; 金泽群

来源：计算机科学, 2019, S1: 250-253.

• 人脸表情迁移
• 生成式对抗网络
• 计算机视觉
• 深度学习

针对人脸表情迁移生成图像质量不高、训练过程较长且生成速度较慢的问题,文中提出了一种基于生成式对抗网络的人脸表情迁移方法,使表情迁移更加快速和自然。首先,利用卷积神经网络进行人脸特征提取,并将图像从高维空间映射到浅层空间,在浅层空间中利用生成式对抗网络模型对人脸表情特征进行判别;然后,通过最近邻上采样层和卷积层组合结构将图像从浅层空间映射到高维空间,并在此过程中通过加入表情标签特征图对人脸表情进行改变。与Fader Networks相比,所提方法的网络模型参数量减少43.7%,训练时间缩短了36%。实验结果表明,所提方法有效地提高了人脸表情迁移生成图像的速度和质量。

• 单位
  沈阳建筑大学