一种基于改进条件生成式对抗网络的人脸表情生成方法

人脸表情生成一直都是一项具有挑战性的工作.现有的方法通常将深度生成网络和面部特征相结合来完成这项任务.然而,同一张人脸的面部表情不仅微妙,而且数不胜数.如何在保持人脸身份信息不变的前提下,利用人脸特征准确地生成目标表情仍然是一个有待解决的问题.本文利用人脸特征点来描述不同的表情形状,并以此作为生成目标表情的引导条件.我们通过对Pix2Pix模型结构的改进,实现了高质量人脸表情的生成.同时,为了引导连续人脸表情的生成,我们使用变分自动编码器对人脸形状进行控制.在两个公开的数据集CK+、Oulu-CASIA上,我们评估并验证了模型在任意人脸表情转换、人脸表情移除、人脸表情生成、连续人脸表情生成等任务上的可行性和有效性.