-
题名多层次生成对抗网络的动画头像生成方法研究
被引量:5
- 1
-
-
作者
高文超
任圣博
田驰
赵珊珊
-
机构
中国矿业大学(北京)机电与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第9期230-237,共8页
-
基金
国家自然科学基金(61774091)
中央高校基本科研业务费专项(2020YQJD15)
国家大学生创新训练项目(C202004828)。
-
文摘
现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched multi-level generative adversial networks,带有辅助分类器的多层次结构生成对抗网络)用于动画人物头像生成。该网络模型由两个生成器和两个判别器堆叠而成,并在判别器中嵌入辅助分类器对生成结果进行约束,使生成样本方差变大,增加生成样本的多样性。为保证合成图像真实度和清晰度,引入特征图空间损失和图像像素空间均值方差损失以最小化合成数据和真实数据的距离。实验结果表明,多层次结构能够有效稳定训练过程,增加图像的边缘细节和局部纹理,同时辅助分类器有效解决模式崩溃问题,提高生成指定类别图像的准确率。ACM-GAN生成图像的FID分数达到27.96,相比于StackGAN++提升23.1%。
-
关键词
动画头像生成
生成对抗网络
多层次结构
辅助分类器
-
Keywords
anime avatar generation
generative adversarial networks
multi-level structure
auxiliary classifier
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-