發(fā)布時(shí)間：2025-01-01 00:14

　　在醫(yī)療康復(fù)、人機(jī)交互和公共安全等領(lǐng)域,利用計(jì)算機(jī)技術(shù)理解人體局部圖像具有重要意義。為此,一些人臉屬性合成和編輯方法以及3D手勢估計(jì)方法相繼提出,并逐漸在相關(guān)領(lǐng)域得到廣泛應(yīng)用�，F(xiàn)有的人臉屬性合成和編輯方法雖能根據(jù)屬性標(biāo)簽有效合成目標(biāo)人臉圖像,但合成的目標(biāo)人臉圖像質(zhì)量依然有待提高。為解決此問題,本文提出了一種新穎的人臉屬性合成和編輯多任務(wù)方法ARU-G AN。此外,為進(jìn)一步研究人體手部圖像,本文對ARU-GAN方法進(jìn)行改進(jìn),提出了一種3D手勢估計(jì)及手部深度圖像合成方法HDR-GAN,具體研究內(nèi)容如下:1、針對當(dāng)前人臉屬性合成和編輯方法難以根據(jù)指定屬性標(biāo)簽合成高質(zhì)量目標(biāo)人臉圖像的問題,本文提出了一種基于ARU-net的多任務(wù)方法ARU-GAN。該方法中的ARU-net在編-解碼器結(jié)構(gòu)的基礎(chǔ)上引入跳躍連接有效融合輸入人臉圖像的不同層級特征,并在訓(xùn)練時(shí)使用對抗正則化項(xiàng)約束潛變量,在人臉屬性合成和編輯任務(wù)中合成高質(zhì)量的目標(biāo)人臉圖像。為進(jìn)一步提升合成的目標(biāo)人臉圖像質(zhì)量,ARU-GAN采用上述任務(wù)所合成的目標(biāo)人臉圖像對判別器進(jìn)行聯(lián)合訓(xùn)練。實(shí)驗(yàn)結(jié)果表明,ARU-GAN在人臉屬性合成和編輯任務(wù)中能夠根據(jù)指定...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀與進(jìn)展
        1.2.1 人臉圖像合成方法的研究現(xiàn)狀
        1.2.2 3D手勢估計(jì)及手部圖像合成方法的研究現(xiàn)狀
    1.3 本文研究內(nèi)容與結(jié)構(gòu)安排
第2章 人體局部圖像數(shù)據(jù)介紹
    2.1 人體局部圖像數(shù)據(jù)集介紹
        2.1.1 人臉圖像數(shù)據(jù)集介紹
        2.1.2 手部圖像數(shù)據(jù)集介紹
    2.2 人體局部圖像數(shù)據(jù)預(yù)處理
        2.2.1 人臉圖像數(shù)據(jù)預(yù)處理
        2.2.2 手部圖像數(shù)據(jù)預(yù)處理
    2.3 本章總結(jié)
第3章 基于對抗正則化U-net的人臉圖像合成
    3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        3.1.1 人工神經(jīng)網(wǎng)絡(luò)
        3.1.2 卷積神經(jīng)網(wǎng)絡(luò)
    3.2 條件生成模型
        3.2.1 基于VAE的條件生成模型
        3.2.2 基于GAN的條件生成模型
    3.3 人臉屬性合成和編輯相關(guān)方法
        3.3.1 IFcVAEGAN方法介紹
        3.3.2 StarGAN方法介紹
    3.4 基于ARU-net的人臉屬性合成和編輯方法
        3.4.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        3.4.2 損失函數(shù)和網(wǎng)絡(luò)訓(xùn)練
    3.5 性能評價(jià)指標(biāo)
        3.5.1 人臉屬性合成任務(wù)評價(jià)指標(biāo)
        3.5.2 人臉屬性編輯任務(wù)評價(jià)指標(biāo)
    3.6 ARU-GAN方法的實(shí)驗(yàn)結(jié)果分析
        3.6.1人臉屬性合成結(jié)果分析
        3.6.2 人臉屬性編輯結(jié)果分析
        3.6.3 消融實(shí)驗(yàn)分析
        3.6.4 其它數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析
    3.7 本章總結(jié)
第4章 基于HDR-GAN的3D手勢估計(jì)及手部深度圖像合成
    4.1 基于RGB圖像的3D手勢估計(jì)相關(guān)方法
    4.2 基于HDR-GAN的3D手勢估計(jì)及手部深度圖像合成方法
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.2 損失函數(shù)
    4.3 HDR-GAN方法的實(shí)驗(yàn)結(jié)果分析
        4.3.1 3D手勢估計(jì)結(jié)果分析
        4.3.2 HPE-GAN的消融實(shí)驗(yàn)分析
        4.3.3 手部深度圖像合成結(jié)果分析
        4.3.4 基于RGB圖像的手部深度圖像重建結(jié)果分析
    4.4 本章總結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果



本文編號：4021753