《表1 表情移除和表情生成实验在不同模型配置下定量评测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于改进条件生成式对抗网络的人脸表情生成方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

人脸表情移除是指将具有某种表情的人脸转换成不含任何表情的中性人脸，反之则称为表情生成．对于表情移除，我们使用各表情序列中的第一帧作为目标表情Iobj（中性表情），而其余各帧依次作为参考表情Iref．对于表情生成，我们使用各表情序列的第一帧作为参考表情Iref（中性表情），其余各帧依次作为目标表情Iobj．我们分别在CK+和Oulu数据集上进行表情移除和表情生成实验．在测试集中，我们随机地从生成的表情序列中为每个人选取4张生成的人脸表情，并将它们与真实图像相比较，结果如图5和图6所示．对于图中每个人的三行表情序列而言，第一行表情为真实图像，第二行为表情生成图像，第三行为表情移除图像．可以看到，表情生成的图像几乎和真实图像具有相同形状，而所有表情移除的图像几乎一致．此外，我们使用PSNR和SSIM指标分别定量地评测了表情生成和表情移除任务中生成的图像与真实图像之间的差异．同时，为了表明改进方法的有效性，我们对不同的模型结构做了对比试验，具体结果如表1所示．其中配置A为所改进的模型；B为Pix2Pix模型；C和A一致，但使用原始GANs；D和A一致，但没有跳跃连接．评测结果表明我们的改进方法在两个数据集上均可以显著的提高生成图像的质量．