人脸妆容迁移研究综述

人脸妆容迁移的目标是在保持源图像面部特征的同时,将人脸妆容从参考图像迁移到源图像,具有重要的理论研究价值和巨大的市场应用价值。目前,生成对抗网络已成为解决人脸妆容迁移问题的主流技术。阐述了人脸妆容迁移面临的主要挑战,按照重点解决问题的不同系统地梳理了已有的人脸妆容迁移方法并分析了其优点和局限性,总结了人脸妆容迁移网络常用的损失函数,介绍了常用的人脸妆容迁移数据集以及模型评价方法,讨论了人脸妆容迁移领域未来的发展趋势。

基于生成对抗网络的人脸妆容自动迁移方法

为有效解决现有人脸妆容迁移方法训练数据缺乏,以及上妆区域错误等问题,提出了一种基于生成对抗网络的人脸妆容自动迁移方法。方法通过构建生成对抗网络目标函数,采用Encoder-Decoder神经网络生成对抗网络生成器,并基于多层卷积神经网络构建鉴别器,训练算法采用交替优化的方式。仿真实验和方法比对结果表明,该方法在保持素颜妆后图像脸部结构不变的同时,尽可能地体现了参考妆容风格,得到了更协调的上妆效果,具有更佳的对比优势和视觉效果,为人脸妆容自动迁移技术提供了新思路。