题名 | 面向美妆数据的机器学习算法与应用 |
作者 | 黄妍 |
答辩日期 | 2019-05-24 |
文献子类 | 硕士 |
授予单位 | 中国科学院大学 |
授予地点 | 北京中国科学院自动化研究所 |
导师 | 张文生 |
关键词 | 妆容迁移 深度网络 妆容区域划分 生成对抗网络 |
学位名称 | 工学硕士 |
学位专业 | 模式识别与智能系统 |
英文摘要 | 近年来随着经济的飞速发展和生活水平的提高,人们对妆容的需求越来越大,促使美妆产业蓬勃发展。由于互联网上的美妆风格千人千面,线上线下的美妆产品种类众多,如何从妆容参考图像中快速精准地找到个性化的美妆产品逐渐成为研究热点。作为虚拟上妆系统的核心技术——妆容迁移技术,也受到越来越多的关注,该技术旨在将参考妆容迁移到素颜人脸上,并保持其上妆风格。该任务的主要难点包括:1)真实同人异妆数据的缺失;2)人与人的面部结构差异;3)迁移妆容样式单一。 为此,论文针对同人异妆生成问题,提出了一种多通路的分区域快速妆容迁移深度网络模型,结合妆容高层特征的语义信息优化网络。针对人与人之间的面部差异问题,分别建立上妆和卸妆对偶网络,并在此基础上提出一种美妆生成对抗网络模型,能够保持原有人脸的结构特征。针对妆容样式单一的问题,根据眼妆、唇妆、粉底妆容的差异,提出一种妆容区域划分方法,降低网络训练优化的时间,提高妆容特征的表达能力。以上的妆容迁移算法用于备选妆容生成,具有存储空间小,生成速度快的优点,在保证人脸结构不变的同时,使得迁移后的眼影更均衡,唇膏色彩更保真,粉底迁移更精细。在国际通用美妆数据库上进行实验研究,取得了更协调的视觉效果,更快的上妆速度,更多样的同人异妆和异人同妆的迁移风格,优于对比方法。 本文的主要研究工作和贡献如下: 1. 提出了一种多通路的分区域快速妆容迁移深度网络模型(FMaT)。首先在人脸关键点检测的基础上,完成端到端的人脸校准;再利用通路差异的损失函数,结合妆容高层特征的语义信息优化网络;最后通过泊松融合,将多通路的输出生成上妆结果。 2. 提出一种美妆生成对抗网络模型(BelleGAN)。整个模型只需要一个上妆网络和一个卸妆网络,能够完成素颜图像域和妆容图像域的相互转化,两个网络相互博弈地训练。并利用对抗损失、循环一致损失和妆容损失优化网络。 3. 提出一种妆容区域划分方法,划分眼妆区域、唇妆区域、粉底妆区域,根据区域妆容特点优化网络,实现局部上妆的精准化,降低网络优化的时间。并发布一个新的百人量级的同人妆前妆后数据集,数据来源于真人化妆网站。 |
语种 | 中文 |
学科主题 | 计算机科学技术 ; 人工智能 ; 模式识别 ; 计算机感知 ; 计算机神经网络 |
页码 | 100 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/23914] |
专题 | 精密感知与控制研究中心_人工智能与机器学习 |
推荐引用方式 GB/T 7714 | 黄妍. 面向美妆数据的机器学习算法与应用[D]. 北京中国科学院自动化研究所. 中国科学院大学. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论