基于组残差块生成对抗网络的面部表情生成

基于组残差块生成对抗网络的面部表情生成
林本旺;赵光哲;王雪平;李昊
【期刊名称】《计算机工程与应用》
【年(卷),期】2024(60)5
【摘要】面部表情生成是通过某种表情计算方法生成带有表情的人脸图像,在人脸编辑、影视制作和数据扩增等方面应用广泛。

随着生成对抗网络的出现,面部表情生成取得了显著的进步,但是生成的面部表情图像会出现重叠、模糊等现象,缺乏真实感。

为了解决上述问题,提出了一种带有混合注意力机制组残差块的生成对抗网络(group residuals with attention mechanism-generative adversarial network,GRA-GAN)用于生成高质量的面部表情图像。

在生成网络进行下采样前和上采样后,分别嵌入混合注意力机制来自适应地学习关键区域特征,增强对图像关键区域的学习。

将分组的思想融入到残差网络中,提出了带有混合注意力机制的组残差块来实现更好的生成效果。

在公开数据集RaFD进行了实验验证。

实验结果表明,GRA-GAN模型在定性评估和定量分析指标上均优于相关方法。

【总页数】10页(P240-249)
【作者】林本旺;赵光哲;王雪平;李昊
【作者单位】北京建筑大学电气与信息工程学院
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于生成对抗网络和网络集成的面部表情识别方法EE-GAN
2.融合残差密集块自注意力机制和生成对抗网络的对抗攻击防御模型
3.模式搜索星型生成对抗网络下的面部表情生成
4.基于密集残差块生成对抗网络的空间目标图像超分辨率重建
5.基于Wasserstein生成对抗网络和残差网络的8类蛋白质二级结构预测
因版权原因，仅展示原文概要，查看原文内容请购买。