《表1 模型对比实验在CUHK数据库中SSIM值与FSIM值》

  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

《多判别器循环生成对抗网络的素描人脸合成》

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

通过图4所示可以看到，与原始Cycle GAN相比，本文方法生成的素描面部图像具有更清晰的轮廓，细节更完整。在面部特征上与原图更相近，尤其是对五官的表现更加准确与锐利；在风格方面，本文方法生成的样本更具有素描风格。表1比较了Cycle GAN与本文方法在CUHK数据集上的结构相似度（Structural Similarity Index，SSIM)[19]和特征相似度（Feature Similarity Index，FSIM)[20]数值，其中度量标准SSIM和FSIM的值越大，代表生成的素描图像与输入的真实样本结构越相似，质量越高。由表1可见，本文方法计算出的生成图像与真实图像的SSIM和FSIM结果均优于Cycle GAN计算结果，验证本文方法网络结构的有效性。