一种用于肖像风格转化的网络

针对给定有限的风格样本合成相应风格的艺术肖像和通过对训练样本仅使用头部观察来实现全身图像翻译的要求,提出了一种新的风格化肖像生成框架DCT-Net来做风格转化.首先,用迁移学习调整预训练的源生成器的目标风格,然后,分别对源分布和目标分布做几何扩展,并且为后续的翻译提供多尺度和不同旋转角度的几何对称特征,最后,为防止过度拟合和提升域校准利用校准的分布,用纹理翻译网络去学习域间关联,使用多表征约束和局部感知损失,使得内容相似性和风格忠实性方面都产生了更真实的结果,面部特征得到了更好的保留,甚至可以成功地合成细节配件或额外的身体部位.实验结果表明,本文提出的方法不仅提高了头部风格化任务的能力、通用性和可扩展性,而且以优雅的方式实现了有效的全身图像翻译.