美人秀色空绝世,我用PS-GAN试伊妆( 七 )

目标函数又怎么定

PSGAN 使用了多种目标函数:

判别器的对抗损失(adversarial loss)和生成器的对抗损失;

循环一致性损失(cycle consistency loss),由 Zhu et al. 2017 提出,这里使用了 L1 损失来约束重建的图像和定义循环一致性损失;

感知损失(perceptual loss),使用 L2 损失来衡量迁移后的图像与源图像的个人身份差异。研究者使用了一个在 ImageNet 上预训练的 VGG-16 模型来比较源图像和生成图像在隐藏层中的激活;

妆容损失(makeup loss),由 Li et al. 2018 提出,能为妆容迁移提供粗略的引导;

总损失(total loss),以上各个损失的加权和。

实验效果怎么样

研究者使用了 MT(Makeup Transfer)数据集(Li et al. 2018; Chen et al. 2019)来训练和测试网络。其中包含 1115 张源图像和 2719 张参照图像。

推荐阅读