摘要：为解决跨域图像仿真中局部风格细节丢失问题,以保护传统优秀文化为视角,设计了一种适用于戏曲人脸妆容的ChinOperaGAN网络框架。为了解决两个图像域内差异的风格迁移,提出了在生成对抗网络中使用多个重叠的局部对抗性鉴别器;考虑到成对的戏曲人脸妆容数据较难获取问题,设计了结合源图像妆容映射生成合成图像来指导图像间局部妆容细节的有效迁移方法;针对戏曲人脸妆容色彩浓重分明的特点,引入了损失函数以约束生成具有高频细节的妆容图像。在开源数据集和自建数据集上进行实验,通过与经典的方法进行定性和定量分析,均优于传统经典方法。结果表明,通过无监督的对抗性学习完成了妆容的迁移,很好地生成了具有高频细节的戏曲人脸妆容风格图像,能够实现图像特征一致、风格匹配的图像迁移,成果可应用于非遗文化的数字化系统仿真,有利于传统文化的传承和发展。

摘要：人脸细节特征(如皱纹、沟壑等)在表达情感信息和提高模型真实感上起着重要作用,然而目前大多数细节重建算法忽略了人脸细节的复杂特性,以单一方法提取细节,无法兼顾细节重建质量和鲁棒性。为此,本文提出了一个基于弱监督学习的重建算法,使用基于三维人脸形变模型的粗略模型和UV空间的位移贴图来表示细节人脸。为提升网络的细节提取能力,在细节生成部分将人脸细节分为表情相关细节和表情无关细节,并根据两种细节的不同特性分别设计细节生成网络。为进一步提升重建细节的质量,设计了一组针对细节重建的多层级损失函数。最后在大量无标签的二维图像中以弱监督方式学习,实现基于单张图像的细节三维人脸重建。大量实验结果表明,本文算法在鲁棒性和细节重建质量上均有较好的表现。