[发明专利]一种人脸属性编辑模型的训练以及人脸属性编辑方法

权利要求书

1.一种人脸属性编辑模型的训练方法，其特征在于，包括：

根据人脸训练图像的重构参数构建初始的人脸属性编辑模型，所述人脸属性编辑模型内预设有目标对抗损失函数和相似度损失函数；其中，所述目标对抗损失函数用于约束所述人脸训练图像内目标属性的编辑真实性，所述相似度损失函数用于约束所述人脸训练图像经过所述人脸属性编辑模型时的非目标属性与所述人脸训练图像重构时的非目标属性之间的相似度；

将所述人脸训练图像输入到所述人脸属性编辑模型内，利用所述目标对抗损失函数和所述相似度损失函数对所述人脸属性编辑模型进行训练，得到训练后的人脸属性编辑模型。

2.根据权利要求1所述的方法，其特征在于，所述相似度损失函数包括低分辨感知损失函数和掩码感知损失函数；

其中，所述低分辨感知损失函数用于约束所述人脸训练图像经过所述人脸属性编辑模型进行目标属性编辑时输出的第一中间低分辨图像与所述人脸训练图像重构时生成的第二中间低分辨图像之间的相似度；

所述掩码感知损失函数用于约束所述人脸训练图像经过人脸属性编辑模型进行目标属性编辑后提取的第一关键点掩码特征与所述人脸训练图像重构后提取的第二关键点掩码特征之间的相似度。

3.根据权利要求1所述的方法，其特征在于，所述人脸属性编辑模型包括图像编码网络、迁移解码网络和所述迁移解码网络的隐空间；

其中，所述图像编码网络用于输入所述人脸训练图像，向所述隐空间输出所述人脸训练图像的隐含变量特征；

所述迁移解码网络用于输入所述隐含变量特征，对所述人脸训练图像内的目标属性进行编辑，输出对应的人脸编辑图像。

4.根据权利要求3所述的方法，其特征在于，所述根据人脸训练图像的重构参数构建初始的人脸属性编辑模型，包括：

按照已训练的重构解码网络的网络参数构建初始的迁移解码网络；

将预训练的图像编码网络、所述初始的迁移解码网络和该迁移解码网络的隐空间构建为初始的人脸属性编辑模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述人脸训练图像输入到所述人脸属性编辑模型内，利用所述目标对抗损失函数和所述相似度损失函数对所述人脸属性编辑模型进行训练，得到训练后的人脸属性编辑模型，包括：

将所述人脸训练图像输入到所述图像编码网络内，向所述隐空间输出所述人脸训练图像的隐含变量特征；

将所述隐含变量特征输入到所述迁移解码网络中，得到目标属性编辑关联的第一人脸图像；

将所述隐含变量特征输入到已训练的重构解码网络中，得到重构关联的第二人脸图像；

将所述第一人脸图像代入到所述目标对抗损失函数中，将所述第一人脸图像和所述第二人脸图像代入到所述相似度损失函数中，对所述迁移解码网络进行训练，得到训练后的人脸属性编辑模型。

6.根据权利要求5所述的方法，其特征在于，所述相似度损失函数包括低分辨感知损失函数和掩码感知损失函数，所述第一人脸图像包括所述人脸训练图像经过所述迁移解码网络进行目标属性编辑时输出的第一中间低分辨图像和执行目标属性编辑后输出的人脸编辑图像，所述第二人脸图像包括所述人脸训练图像经过所述重构解码网络进行重构时生成的第二中间低分辨图像和执行重构后输出的人脸重构图像；

相应的，所述将所述第一人脸图像和所述第二人脸图像代入到所述相似度损失函数中，对所述迁移解码网络进行训练，包括：

将所述第一中间低分辨图像和所述第二中间低分辨图像代入到所述低分辨感知损失函数中，将所述人脸编辑图像中提取的第一关键点掩码特征和所述人脸重构图像中提取的第二关键点掩码特征代入到所述掩码感知损失函数中，对所述迁移解码网络进行训练。

7.一种人脸属性编辑方法，其特征在于，包括：

将待编辑的当前人脸图像输入到采用权利要求1-6中任一项所述的人脸属性编辑模型的训练方法所训练的人脸属性编辑模型中，得到对应的人脸编辑图像；

对所述当前人脸图像进行目标分割，得到对应的目标域掩码图；

利用所述目标域掩码图对所述人脸编辑图像进行图像修复，得到完成目标属性编辑的人脸图像。