摘要
本发明公开了一种基于用户目标属性驱动的图像生成扰动方法,包括以下步骤:以输入的人脸草图作为起点,以一种类型的扰动操作后输出的扰动图像作为节点,对应扰动操作作为节点与前一节点的连接边,将不同扰动图像输出顺序进行组合,以构建组合扰动加权图网络;利用双层优化算法对目标属性对应的加权图网络进行求解,以获得对应最优的定向扰动路径;基于最优的定向扰动路径对初始数据集中的人脸草图进行处理,以使得图像生成模型的输出属性分布最大程度向用户指定方向迁移。本发明所提供的方法除了能帮助用户定向修改图像生成模型的输出属性分布,也能有效缓解现有图像生成技术在代表性不足的一些属性方向上的较差生成表现,帮助提升生成数据的多样性。
技术关键词
扰动方法
图像生成模型
人脸
网络架构
表达式
图像生成技术
节点
模糊函数
参数
数据
算法
像素
运动
矩阵
数学
滤波
样本
系统为您推荐了相关专利信息
参数
无线网络
深度神经网络模型
标记
能耗评估模型
稳定性评估方法
燃料电池
不确定性参数
动态数学模型
电解槽
高精度抗干扰
深度学习模型
深度学习分析
数据采集模块
裂缝
航空发动机零部件
缺陷检测方法
延续性
像素点
零部件缺陷检测