结合空间结构和纹理特征增强的人体姿态迁移.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（11）259

结合空间结构和纹理特征增强的人体姿态迁移

11，2+1

莫寒，徐杨，冯明文

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

+通信作者E-mail：xuy@

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18.0376，SSIM为0.7686，FID为10.8102，LPIPS

为0.1665。

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

文献标志码：A中图分类号：TP183doi：10.3778/j.issn.1002-8331.2412-0451

IntegratingSpatialStructureandTextureFeaturesforEnhancedHumanPoseTransfer

11，2+1

MOHan,XUYang,FENGMingwen

1.CollegeofBigDataandInformationEngineering,GuizhouUniversity,Guiyang550025,China

2.GuiyangAluminum-MagnesiumDesignandResearchInstituteCo.,Ltd.,Guiyang550009,China

Abstract：Portraitsynthesisguidedbyposepresentsachallengingfrontierinimagegeneration.Inthelatestresearch,this

paperhasproposedaninnovativenetworkcalledtheStepnetwork,specificallydesignedtoovercomethelimitationsiden-

tifiedinpreviousworks.Thisapproachdiffersfromtraditionalmethodsbyhoninginonthespatialstructureofthepose,

enablingagradualmigrationoftheposewhileminimizingthelossofspatialstructureinformationateachstep.Moreover,

drawinginspirationfromthetripletloss,astylediscriminatorisincorporatedtoenhancethequalityoftexturegeneration.

Incontrasttopriorresearch,thepaperhasplacedgreateremphasisonrefiningthegenerationoffacialareas.Toachieve

this,aspecializedlossfunctionisemployedduringthetrainingprocess,combiningtripletl