34 / 2022-09-18 17:04:21

ChinOperaGAN：一种面向戏曲妆容细节生成的风格迁移网络

近年来，基于深度学习的风格迁移技术在图像领域中取得了显著的成就，广泛应用于艺术图像生成，但目前基于跨域风格迁移的算法主要考虑全局图像特征，可生成多样性的目标风格图像，这对于需要局部风格迁移的内容来说，存在一定的局限性，容易导致局部细节信息丢失，仍然是一个具有挑战性的科学问题。本文针对戏曲妆容风格的特点，在CycleGAN和BeautyGAN模型上进行了改进，提出了一种适用于戏曲妆容的ChinOperaGAN框架，能够生成具有高频妆容细节的戏曲妆容图像。首先，为了解决两个图像域内差异的风格迁移，提出了生成对抗网络中使用多个重叠的局部对抗性鉴别器；其次，考虑到成对的戏曲人脸妆容数据较难获取问题，通过结合源图像妆容映射生成合成图像来指导图像间局部妆容细节的转移；此外，针对戏曲妆容色彩浓重分明的特点，引入了高阶损失函数以保证在传输过程中生成具有高频细节的图像。实验结果表明，本文方法能够通过无监督的对抗性学习完成妆容的迁移，并很好的生成了具有高频细节的戏曲妆容风格图像，能够实现图像特征一致，风格匹配的图像迁移，可应用于非遗文化的数字传播。