基于无监督生成对抗网络的人脸素描图像真实化

对于人脸识别验证的研究带动了执法机构和数字娱乐行业将素描转化为真实人脸图像的需求和兴趣。到目前为止,由于网络训练阶段缺乏配对的数据,加上素描与真实照片之间存在着明显的模态差异,现有的方法仍然存在着不可解决的局限性。利用跨域语义一致性损失使输入和输出保持相同的语义信息,并用感知损失替换像素级的循环一致性损失以生成高分辨率图像。将PGGAN的生成器与生成对抗网络的损失函数一起训练以生成目标域真实图像,循环一致性损失则驱动同域图像保持一致。基于2个开源数据集的实验说明了所提模型在主观评价和客观标准上的有效性。