图像感知引导CycleGAN网络的背景虚化方法

现有生成对抗网络在背景虚化处理过程中,往往是无差别地提取整张输入图像的特征,导致网络难以区分图像的前后景,从而容易出现图像失真的现象。本文提出了图像感知引导CycleGAN网络的背景虚化方法,通过引入图像感知信息以提升模型性能。图像感知信息包括注意力信息和景深信息,前者用于引导网络关注不同的前后景区域,从而区分前后景;而后者用于增强前景目标的感知信息,能够实现有效的智能定焦并减少图像出现失真的现象,使背景虚化效果更佳。通过最小化生成对抗损失及循环一致性损失,可以避免丢失过多景深信息,提高图片的生成质量。实验结果及数据表明,提出的方法在背景虚化过程中能有效区分前后景并改善图像失真的现象,使生成的效果更加真实。此外,在与现有方法生成的图像效果对比中,通过采用问卷调查的方式进行了评估。本文提出的图像感知引导CycleGAN网络的背景虚化方法与SOTA相比,生成的图像质量更好,模型大小与生成图像的速率也具有明显的优势,分别为56.10 MB及47 ms。