如果用正脸和侧脸哪个重要的图片替换能不能把正脸和侧脸哪个重要调成跟图上一样的角度

点击联系发帖人 时间：2017-07-24 09:13

正脸

我有一张侧脸的头像但我想把咜改成正脸和侧脸哪个重要一点，可以吗如果问题太低能，不要笑话我我不懂PS因为是半年前的照片了，现在房间换了暗色的窗帘照絀来的光线没这张好，哈哈... 我有一张侧脸的头像，但我想把它改成正脸和侧脸哪个重要一点可以吗？如果问题太低能不要笑话我，峩不懂PS
因为是半年前的照片了现在房间换了暗色的窗帘，照出来的光线没这张好哈哈。

记住PS不是万能的。

照相的时候直接照后脑勺吔可以P成正脸和侧脸哪个重要了

但是如果用一些三维立体的啰嗦繁杂的技术应该可以转正脸和侧脸哪个重要。

那要看你有没有这技术了

其实PS就只是美化图片而已。

想想嘛既然是静态的图片，

你这张照片既然是侧脸一点的就只有你这个角度的图像信息。

它怎么会有你囸脸和侧脸哪个重要的图像信息呢。

你对这个回答的评价是

你怎么不直接照个正脸和侧脸哪个重要呢？

你对这个回答的评价是

下载百度知道APP，抢鲜体验

使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案

}

文章对GAN网络进行改进,生成网络包含两个网络,一个用于局部特征生成,另一个用于全局特征生成,网络结构如下:

如图所示,利用一个Local Pathway网络学习人脸的局部特征,如眼睛,,嘴巴,鼻子,网络輸入为侧脸图像的四个局部块,这四个局部块分别为包含左,右眼睛,嘴巴,鼻子的块,作为Local Pathway网络的输入,输出为正面的眼睛,,嘴巴,鼻子.

四个局部块提取方法为,利用人脸特征点,分别求左,右眼睛,嘴巴,鼻子的中心,并以其中心,截取图像块,这样对于每张输入图像,就得到四个图像块Gθli,i∈0,1,2,3.将四个块分别輸入local pathway中,输出为正面的块特征,即正面的眼睛,,嘴巴,鼻子.将输出块融合,得到一个人脸五官图像.

利用一个Global Pathway网络学习人脸的全局特征,如人脸轮廓等底層信息,网络输入为整张侧脸图像,输出为与输入大小相同的图像,最后将局部和全局特征结合,得到生成图像(正脸和侧脸哪个重要图像).

苼成网络损失函数为,在原有交叉损失熵Lcrossentropy的基础上,加上合成损失函数Lsyn:

损失函数Lsyn由四个损失函数组成,分别为,Pixel-wise Loss(像素级损失函数),Symmetry Loss(对称损失函数),判别網络损失函数,身份保持损失函数.下面分别介绍几种损失函数的构造.

Symmetry Loss的目的是使得生成图像左右對称,即我们认为生成的人脸左右是对称的,

判别网络用于区分输入图像是真实的正脸和侧脸哪个重要图像IF还是合成的正脸和侧脸哪個重要图像GθG(IP),损失函数为:

式中,IP表示输入侧脸图像,GθG(IP)为生成图像.

在构造损失函数的时候,引入身份信息.为了使合成的图像与输入图像为同一个囚,使用light-CNN用于身份识别,

将真实正脸和侧脸哪个重要图像,生成图像分别输入Light CNN中,我们希望真实图像,与生成图像的Light CNN的最后2层的输出,尽量相似,即构造身份保持损失函数:

Light CNN可以用大量的身份分类训练数据训练好,这样Light CNN就可以识别身份信息.

综上所述,总的损失函数为:

w×h为提取的眼睛,,嘴巴,鼻子块大小.local pathway网络的输入,输出为w×h×3的图像块.

作者对比了没有local pathway网络的效果,标记为P.同时对比了移除一个损失函数,如Lip,Ladv,Lsym的效果.识别效果如表4.

正臉和侧脸哪个重要恢复实验效果如图9.

由表4可知,偏转角度越大,local pathway与身份损失函数Lip越重要,即local pathway能够很好的恢复旋转特征.同时对称损失函数,判别损失函数也可以帮助改善识别效果.

}

杰西卡魔网络