典型文献
多尺度注意力的面部属性编辑归一化
文献摘要：
现有的方法利用编解码器和生成对抗网络用于面部属性编辑,会导致低分辨率结果而且操控面部属性能力有限.为了解决这些问题,文章从选择性细化的角度提出一种新的面部属性编辑生成对抗网络(facial attribute editing generative adversarial networks,FAE-GAN),该方法能够专注于编辑要更改的图像属性,同时保留面部的细节.首先学习一个空间变化函数,该函数将高层特征图映射到归一化层所需的参数图;然后结合残差块,将低层特征图添加到调制后的特征图中,从而使属性细化任务更加容易实现.实验结果表明,该模型在属性操纵精度和感知质量方面均具有优势.
文献关键词：
生成对抗网络;图像合成;面部属性编辑;自注意力网络
中图分类号：
作者姓名：
朱嘉琪;陶然;阮振平;詹曙
作者机构：
合肥工业大学 计算机与信息学院 ,安徽 合肥 230601;安徽医科大学第二附属医院 ,安徽 合肥 230601
文献出处：
引用格式：
[1]朱嘉琪;陶然;阮振平;詹曙-.多尺度注意力的面部属性编辑归一化)[J].合肥工业大学学报（自然科学版）,2022(10):1327-1333,1340
A类：
面部属性编辑
B类：
多尺度注意力,法利,编解码器,生成对抗网络,低分辨率,操控,facial,attribute,editing,generative,adversarial,networks,FAE,GAN,辑要,更改,先学,空间变化,该函,特征图,射到,残差块,低层,操纵,感知质量,图像合成,自注意力网络
AB值：
0.348953
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
