基于生成对抗网络的中式婚服设计

为了解决传统中式婚服设计开发方法存在费时及效率低下的问题,提出将深度学习技术引入到中式婚服设计中,采用基于Pix2Pix算法模型的生成式设计方法,通过爬虫技术获取中式婚服图像数据,并对样本数据进行筛选以及轮廓特征、边缘特征和语义特征的标注,进而展开由单特征控制条件生成与特征联合控制条件生成两组实验。研究表明,联合控制条件生成的“递进式生成法”结合了生成对抗网络与条件图像生成方法的优势,服装特征标注被用作条件以增加服装图像生成过程的可控性,相较于“单特征控制条件生成”的细节调控能力更强,该结果可为中式婚服设计开发提供思路。

基于生成对抗网络的彩色图像去马赛克修复研究

针对传统生成对抗网络在图像去马赛克时存在梯度消失和网络结构欠缺对图像高阶特征学习的问题,提出一种基于生成对抗网络的彩色图像去马赛克改进算法,并确定去马赛克修复阈值.该方法借鉴Pix2Pix算法和SRGAN算法的结构特点,在Pix2Pix算法基础上加入VGG19内容损失计算进行改进;通过在数据集COCO(2014版)上批量添加10个规格的全局马赛克,然后以清晰图像和马赛克图像成对的方式输入网络进行训练.实验结果表明,改进算法Pix2Pix-VGG19在阈值9×9内,较Pix2Pix算法的PSNR值平均提高了0.3545,较SRGAN算法的PSNR值平均提高了1.5707,提升了彩色图像去马赛克的修复效果.

基于改进条件生成对抗网络的书法字骨架提取

书法字骨架保留书法字的结构、形态以及笔画细节,对于评价书法字笔画结构极为重要。为解决现有的骨架提取算法无法获取离线书法图像的动态信息,提出改进条件生成对抗网络的书法字骨架提取算法。为获取长距离上下文信息,将残差结构与分层空洞卷积模块引入条件生成对抗网络,并融合交叉注意力模块,以保证生成骨架的平滑性。使用谱归一化和Leaky ReLU激活函数稳定模型训练,提升书法字骨架提取的完整性,并基于在线手写字数据集,构建伪书法字图像数据集。实验结果表明,该算法在测试数据集中的F1值、联合交并比(IoU)和最小平均距离(AMD)分别为0.678 2、0.515 8和1.450 0,相较于现有骨架提取算法的最优结果,F1值、IoU分别提高了8.2%和8.8%,AMD降低了约0.42,可有效捕获到书法离线图像的动态信息,使骨架特征更具有代表性,在书法字帖图片上表现出较优的泛化能力。同时,消融实验结果验证了分层空洞卷积模块和交叉注意力模块的有效性,可以获得更完整、光滑的字符骨架。