收稿日期:2022-11-23基金项目:江西省教育厅科学技术研究基金(KJLD14021)和江西省教育厅重点教改课题(JXJG1821)资助项目．通信作者:周勇(1971—)，男，江西南昌人，副研究员，主要从事数据库、数据挖掘和人工智能方面的研究．E-mail:zhou_yong@126．com刘鹤，周勇，潘翼，等．结合多尺度特征和多维注意力的人脸风格转换［J］．江西师范大学学报(自然科学版)，2023，47(1):69-76．LIUHe，ZHOUYong，PANYi，etal．Thefacestyleconversioncombiningmultiscalefeaturefusionandmulti-dimensionalattention［J］．JournalofJiangxiNormalUniversity(NaturalScience)，2023，47(1):69-76．文章编号:1000-5862(2023)01-0069-08结合多尺度特征和多维注意力的人脸风格转换刘鹤，周勇*，潘翼，张金桃(江西师范大学计算机信息工程学院，江西南昌330022)摘要:针对StarGANv2模型生成的人脸图像存在风格重建效果不佳、人脸纹理不够自然等现象，该文提出结合多尺度特征和多维注意力的人脸风格转换模型．1)将多尺度特征融合模块PSConv嵌入StarGANv2生成器内，提高了模型对图像特征的提取能力;2)提出了多维注意力模块MDConv，并将该模块嵌入Star-GANv2判别器内，从而提高了模型对真假人脸图像的判别能力．与StarGANv2方法在CelebA-HQ数据集上进行对比实验的结果表明:该方法生成的人脸图像风格更美观，纹理细节更自然，学习感知图像相似度(LPIPS)的值也得到了提升．关键词:人脸风格转换;人脸属性合成;多尺度特征融合;多维注意力中图分类号:TP391．4文献标志码:ADOI:10．16357/j．cnki．issn1000-5862．2023．01．090引言人脸作为身份识别的关键信息，在计算机视觉领域中引起了广泛的关注．近年来，人脸合成技术［1］发展迅速，在影视娱乐、公安侦查、虚拟现实等应用领域中发挥了较大的作用．在人脸合成技术中，人脸风格转换源于人脸属性合成，是对人脸的若干属性进行编辑，转换其表现形式，其中属性指具有明确语义信息的特征，如发型、肤色、年龄等．最初对人脸属性合成往往局限在年龄修改(如人脸老化等［2］)，随着生成对抗网络(generativeadversarialnetworks，GAN)［3］的发展，可实现对指定的属性转换．LiMu等［4］构建了属性转换网络和图像增强网络，在保留输入人脸身份前提下，实现了面部属性的平滑合成．LiuＲujie等［5］借助残差网络ＲesNet［6］的思想，通过学习输入图像和生成图像的差异来实现对属性的控制，并且采用2个不同的生成器实现特定属性的不同表现...
