典型文献
融合自注意力机制的人物姿态迁移生成模型
文献摘要：
针对人物姿态迁移生成图像存在纹理细节丢失、姿态转移不合理等问题,提出一种融合自注意力机制的人物姿态迁移生成模型.首先,在两阶段姿态迁移生成模型的基础上,通过把改进的自注意力模块嵌入到生成对抗网络中,降低相似特征间的相互影响,强化对纹理细节的学习能力及丰富信息的捕获能力,增强姿态特征的显著性建模.然后,使用马尔可夫判别模型,进一步增强对生成图像细节的鉴别能力.最后,采用优化的内容损失函数,约束整个模型的图像特征信息损失计算,促进生成图像与真实图像语义内容一致性,加强姿态转移的合理性.实验验证,本模型在Deepfashion数据集上比PG2方法的IS值与SSIM值分别提升了0.388和0.032,在Market-1501数据集上比PG2方法的IS值与SSIM值分别提升了0.036和0.065,改善了图像生成质量.
文献关键词：
图像处理;深度学习;生成对抗网络;图像生成;自注意力机制
中图分类号：
作者姓名：
赵宁;刘立波
作者机构：
宁夏大学信息工程学院,宁夏银川750021
文献出处：
引用格式：
[1]赵宁;刘立波-.融合自注意力机制的人物姿态迁移生成模型)[J].激光与光电子学进展,2022(04):182-191
A类：
姿态迁移,Deepfashion
B类：
自注意力机制,人物姿态,生成模型,成图,两阶段,自注意力模块,生成对抗网络,获能,姿态特征,马尔可夫,判别模型,鉴别能力,损失函数,图像特征,特征信息,信息损失,损失计算,语义内容,PG2,IS,SSIM,Market,图像生成
AB值：
0.262043
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。
