[发明专利]基于美学引导的人脸智能美化方法及系统

权利要求书

1.一种基于美学引导的人脸智能美化方法，其特征在于，包括以下步骤：

步骤S1：对图像进行编码生成代表图像内容信息的低维潜码；

步骤S2：将低维潜码映射成重建图像；

步骤S3：基于人脸美丽评价模型计算重建图像的美丽度与目标美丽度的距离损失，并由该损失引导生成器反演，从而更新潜码；

步骤S4：循环步骤S2和S3，直至满足预设需求，得到美化后的图像。

2.根据权利要求1所述的基于美学引导的人脸智能美化方法，其特征在于，所述步骤S1具体为：通过预训练好的权重为θ_e的编码器E将每个输入图像x编码为低维潜码ω_c∈W：

ω_c＝E(x|θ_e)

其中，ω_c(ω_c∈R⁵¹²)是一种内容潜码，是对面部内容的粗略信息进行编码。

3.根据权利要求1所述的基于美学引导的人脸智能美化方法，其特征在于，所述步骤S2具体为：

步骤S2.1：将低维潜码ω_c输入到预训练好的权重为θ_g的生成器G进行面部重建，生成粗粒度图像x_ω：

x_ω＝G(ω_c|θ_g)

步骤S2.2：使用预训练好权重为θ_t的编码器T将图像x和x_ω联合编码为外观潜码ω_a：

ω_a＝T(x，x_ω|θ_t)

步骤S2.3：将内容潜码ω_c和外观潜码ω_a结合在一起，通过将ω_a作为动态残差权重添加到生成器的权重θ_g，使生成器G生成重建图像

4.根据权利要求1所述的基于美学引导的人脸智能美化方法，其特征在于，所述步骤S3具体为：

步骤S3.1：对最终生成的重建图像和源面部x计算损失如下：

其中η_fbp，η_rec，η_per，η_ver分别表示各部分损失的权重；表示美化损失，度量人脸美丽评价模型对美化图像/的预测分数与用户输入的目标分数之间差距的损失；

表示图像重建损失，度量输入图像x和美化图像/之间的像素级相似性：

表示人脸感知损失，度量输入图像x和美化图像/的特征级相似性，通过一个预训练的VGG模型作为感知特征提取器h(.|θ_h)来提取特征：

表示人脸验证损失，度量输入图像x和美化图像/的人脸身份特征的余弦相似性，通过一个预训练的ArcFace人脸识别模型v(.|θ_v)来提取人脸身份特征：

步骤S3.2：使用损失函数来指导生成器反演，使内容潜码朝着用户输入的目标分数进行优化，计算内容潜码的梯度并进行更新：

其中γ是学习率。

5.一种基于基于美学引导的人脸智能美化系统，其特征在于，包括编码器E、生成器G、编码器T、人脸美丽评价模块、人脸验证模块和视觉感知模块；所述编码器E，用于将图片映射为隐层的内容潜码，权重继承于HyperInverter；所述生成器G，用于图片重建过程，将内容潜码映射成图片，其权重继承于StyleGAN-v2模型；所述编码器T，用于将重建后的图片映射为隐层表观编码，权重继承于HyperInverter；所述人脸美丽评价模块，是在人脸美丽数据集SCUT-FBP5500上进行预训练的人脸美丽预测模型，用于对重建后的图片进行人脸美丽度预测；所述人脸验证模块，是一个通过人脸识别数据集预训练的ArcFace模型^[3]，用于对重建后的人脸身份进行验证；所述视觉感知模块，是一个通过图像分类数据集预训练的VGG模型，用于计算感知损失。