排序方式: 共有4条查询结果,搜索用时 62 毫秒
1
1.
针对现有生成对抗网络合成的人物图像存在的残缺和模糊问题,提出一种基于多尺度特征提取和姿势引导特征转换的人物图像合成方法。利用深度卷积神经网络对图像和姿势进行多尺度特征提取,有效获取丰富的语义信息;在不同尺度特征的转换过程中注入引导注意力机制,利用姿势信息引导纹理特征进行正确转移和变换;使用马尔可夫判别网络(PatchGAN)作为判别器,增强对图像纹理细节的鉴别能力;最后在DeepFashion数据集上进行测试。结果表明:在定量上,该方法的结构相似度(SSIM)达到了0.772 9,峰值信噪比(PSNR)达到了19.060 4,Fréchet初始距离得分(FID)达到了11.476 5,可学习感知图像块相似度(LPIPS)达到了0.209 2;在定性上,比传统方法合成的人物图像具有更好的视觉效果。所提方法能有效解决残缺和模糊问题,提高合成人物图像的质量。 相似文献
2.
3.
4.
1