结合空间结构和纹理特征增强的人体姿态迁移

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：莫寒, 徐杨, 冯明文

单位：1.贵州大学 大数据与信息工程学院，贵阳 550025；2.贵阳铝镁设计研究院有限公司，贵阳 550009

摘要：由姿态引导的人像合成是图像生成中一个具有挑战性的前沿领域。提出了一个新的网络结构——Step网络，用于克服以前工作中发现的局限性。与传统方法的不同之处在于，它专注于姿态的空间结构，使姿态的逐渐迁移成为可能，同时最大限度地减少每一步空间结构信息的损失。并且从三元损失中获得灵感，加入了风格判别器来提升纹理生成的质量。此外，与之前的研究相比，更加强调面部区域的生成。为了实现这一点，训练过程中采用了一种专门的损失函数，结合了三元损失和L1损失来优化面部特征，从而使图像更符合人类的感知。为了评估生成图像的质量，使用了PSNR、SSIM、FID和LPIPS等评估指标。通过将Step网络与最先进的模型进行定性和定量实验比较，证实了它的优越性。具体来说，该模型训练得到的PSNR为18.037 6，SSIM为0.768 6，FID为10.810 2，LPIPS为0.166 5。

关键词：人体姿态迁移,图像生成,生成对抗网络（GAN）,深度神经网络