吉林大学学报(信息科学版) ›› 2023, Vol. 41 ›› Issue (1): 76-83.
葛延良, 孙笑笑, 王冬梅, 王肖肖, 谭 爽
GE Yanliang, SUN Xiaoxiao, WANG Dongmei, WANG Xiaoxiao, TAN Shuang
摘要: 针对目前人脸到素描合成存在生成的素描图轮廓模糊、 细节纹理缺失等问题, 提出一种采用循环生成对抗网络(CycleGAN: Cycle-Generative Adversarial Networks)解决方案。 构建多尺度 CycleGAN, 生成器采用深度监督的 U-Net++结构为基础, 在其解码器端进行下采样密集跳跃连接; 在其生成器的编码器端设计通道注意力和和空间注意力机制形成特征增强模块; 最后在生成器中增加像素注意力模块。 实验结果表明, 与现有经典算法相比, 从主观视觉评测和利用现有的4 种图像质量评价算法进行质量评估, 该方法较好地合成了素描图像的几何边缘和面部细节信息, 提高了素描图像的质量
中图分类号: