基于Star-Gan的人脸互换算法

• 作者: 易旭 白天
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 深度学习 人脸互换 对抗生成网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: ITNS主题专栏:人工智能技术
• 页码范围: 12-16
• 页数: 5页
• 分类号: TP183
• 字数: 3383字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2020.05.003

摘要

基于深度学习的人脸互换算法会因背景人脸环境的明亮程度、人脸表情、姿势等因素影响换脸效果,现阶段的人脸互换模型存在固有的弊端.采用Patch-Gan(Generative Adversarial Networks)的判别器结构能通过全卷积网络增强人脸局部一致性的效果.生成器将U-net结构的编码器的特征输出作为输入,能考虑多层信息细节.整体模型架构采用Star-Gan的模型,引入实例归一化层能保证图像的独立性.最后在Face-Forensics++人脸互换数据集上进行验证,结果表明,融合的模型有较好的生成效果和细节.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白天	中国科学技术大学软件学院	9	16	3.0	3.0
2	易旭	中国科学技术大学软件学院	1	0	0.0	0.0