摘要
针对人物姿态迁移生成图像存在纹理细节丢失、姿态转移不合理等问题,提出一种融合自注意力机制的人物姿态迁移生成模型。首先,在两阶段姿态迁移生成模型的基础上,通过把改进的自注意力模块嵌入到生成对抗网络中,降低相似特征间的相互影响,强化对纹理细节的学习能力及丰富信息的捕获能力,增强姿态特征的显著性建模。然后,使用马尔可夫判别模型,进一步增强对生成图像细节的鉴别能力。最后,采用优化的内容损失函数,约束整个模型的图像特征信息损失计算,促进生成图像与真实图像语义内容一致性,加强姿态转移的合理性。实验验证,本模型在Deepfashion数据集上比PG2方法的IS值与SSIM值分别提升了0.388和0.032,在Market-1501数据集上比PG2方法的IS值与SSIM值分别提升了0.036和0.065,改善了图像生成质量。