属性引导的草图生成

面部属性十分重要,因为它们提供详细的描述并决定人脸的视觉外观。在本文中,我们的目标是在将人脸图像转换为草图的同时生成面部属性。为此,我们提出了一种新颖的属性引导草图生成对抗网络(Attribute-Guided Sketch Generative Adversarial Network, ASGAN),它是一个端到端框架,包含两对生成器和判别器,其中一对用于生成带属性的脸,另一对用于图像到草图的转换。两个生成器构成一个 W 形网络(W-net),并在权重共享约束下联合训练。此外,我们还提出了两种新颖的判别器:专注于属性生成的残差判别器和有助于生成逼真草图的三重判别器。为验证我们的模型,我们创建了一个包含 8,804 张图像的新大型数据集,名为属性人脸照片与草图(Attribute Face Photo & Sketch, AFPS)数据集,这是首个包含与人脸草图图像相关联属性的数据集。实验结果表明,所提出的网络(i)比基线生成了更具照片真实感且面部属性更清晰的人脸,以及(ii)在不同的生成任务上具有良好的泛化能力。