面向身份信息保持的肖像发型移除研究

摘要

肖像发型移除技术能高效移除现有发型,生成高保真度的光头图像,为用户提供便捷的虚拟发型更换体验。该技术同时可为3D人脸重建提供无遮挡面部纹理数据,提升3D人脸模型的真实感和细节表现力。然而,由于发型几何结构复杂多变、存在帽饰等物品的遮挡干扰,以及缺乏成对训练数据集,实现高质量的肖像发型移除仍面临重大挑战。现有方法往往难以兼顾身份信息保持和遮挡物去除的双重需求。因此,本文提出一种面向身份信息保持的肖像发型移除框架,用于从肖像图像中移除发型和帽饰等遮挡物,生成自然真实的光头图像。该框架首先采用SegFace人脸语义分割模型获取头发与帽子的掩膜区域,随后训练一个光头生成器专注于掩膜区域内容生成,确保新生成的内容在肤色、阴影效果及语义等方面与原始面部和背景高度兼容,通过增加身份损失约束,在实现发型移除的同时保持身份一致性。针对发饰遮挡这一技术难点(包括长度可变性和样式多样性),本文方法结合面部关键点与Bézier曲线对眉毛下方区域进行拟合,从而减少对身份相关面部区域的干扰。实验结果表明,本文方法能够高效去除各类发型和帽饰遮挡,提升发型迁移效果。

关键词

发型移除 / 扩散模型 / 遮挡 / 语义分割 / Bézier曲线