RD-GAN:一种结合残差密集网络的高清动漫人脸生成方法

叶继华，刘 凯，祝锦泰，江爱文

（江西师范大学计算机信息工程学院，南昌330022）

引 言

人类的很多情感大多数借助于面部进行传递，随着深度学习和人机交互的发展，从人脸图像中了解人的情感变得越来越重要。为了实现更加精准的人脸表情识别，研究人员已经进行了大量的研究，但是目前的人脸表情识别方法大多是对真实人脸图像进行识别，如果将这些模型应用到动漫人物的面部表情识别当中则很难有好的效果。风格迁移是解决此类问题的常用技术，传统方法是为特定的风格开发专用算法，但需要付出巨大的努力才能产生细腻的特定风格。近年来生成对抗网络［1］得到了快速的发展，它以循环方式设计的生成对抗网络［2］可以实现高质量的风格迁移，它最突出的特征是使用未配对的图片和风格化的图片训练模型。

因此，本文提出了基于生成对抗网络的有效的损失函数。在生成器网络中，为了应对图像和动漫之间的风格变化，在VGG 网络的高级特征图中引入语义损失，定义为L1稀疏正则化。同时本文提出具有边缘增强的边缘清晰损失，可以保留动漫图像的边缘清晰度，生成具有清晰边缘的动漫图像。最后将风格迁移应用到人脸生成当中，可以增加对动漫人物表情识别的精度，并且在CK+、SFEW、Celeba和RAF 公开数据集的实验中也有很好的效果。

1 相关工作

本文提出的方法主要涉及人脸表情识别、生成对抗网络以及风格迁移技术，因此本节主要讨论这3个方面的研究工作。……