资料下载
×
基于改进模型和区域分割的表情动画合成方法
消耗积分:0 |
格式:rar |
大小:4.38 MB |
2021-05-07
分享资料个
针对现有人脸表情合成大多依赖于数据源驱动，且存在生成效率低、真实感差的问题，提出一种基于改进 Cycle gan模型和区域分割的表情动画合成新方法。新方法可实时地合成新表情动画，且具有较妤的稳定性和鲁棒性。所提方法在传统Cyclean模型的循环一致损失函数中构造新的协方差约束条件，可有效避免新表情图像生成时岀现的色彩异常和模糊不清等现象;提出分区堿训练的思想，用Dlib人脸识别数据库对人脸图像进行关键点检测，通过检测到的关键特征点将源域和目标域的人脸分割成左眼、右眼、嘴部和剩余人脸部分共4个区域块，并利用改进的 Cyclean模型对毎块区域单独进行训练;最后将训练结果加权融合成最终的新表情图像。分区域训练进一步増强了表情合成的真实感。实验数据来自英国萨里大学的语音视觉情感（ SAVEE）数据库，在 Tensorflow框架下，用 python3.4软件进行实验结果的展示。实验表明，新方法无需数据源驱动，可直接在源人脸动画序列上实时地生成真实、自然的新表情序列，且对于语音视频可保证新面部表情序列与源音频冋步。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
