买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于身份保持的跨风格人脸原型重建技术获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115689868B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211280760.3，技术领域涉及：G06T3/04；该发明授权一种基于身份保持的跨风格人脸原型重建技术是由庞孟;黄伟;陈盛博;周崟涛设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于身份保持的跨风格人脸原型重建技术在说明书摘要公布了：本发明公开了一种基于身份保持的跨风格人脸原型重建技术，包括以下步骤：S1：建立基于GAN的跨风格人脸原型重建模型，S2：建立模型的损失函数引导模型的训练过程，最终使得生成器在转换不同域的人脸图片风格的同时能够保留图片的原有身份特征；S3：将来自域A和域B的带有身份标签的人脸图片训练集输入到模型中进行模型训练，并构建测试集，查看训练好的模型在测试人脸图片上的人脸原型重建效果。本发明克服了现有跨风格人脸生成方法无法同时处理风格迁移和面部变化消除的缺点，可以实现跨光谱和跨艺术风格的人脸原型重建，避免了面部变化建模困难的问题。

本发明授权一种基于身份保持的跨风格人脸原型重建技术在权利要求书中公布了：1.一种基于身份保持的跨风格人脸原型重建方法，其特征在于，包括以下步骤： S1：建立基于GAN的跨风格人脸原型重建模型，该模型包括一个生成器和两个多任务判别器，其中生成器由两个对称编码-解码结构子网络构成用来生成域A和域B两种风格人脸原型图片，两个多任务判别器分别作用于域A和域B用来预测所在域图片的身份标签和判定图片是否为真实原型； S2：建立模型的损失函数引导模型的训练过程，最终使得生成器在转换不同域的人脸图片风格的同时能够保留图片的原有身份特征； S3：将来自域A和域B的带有身份标签的人脸图片训练集输入到模型中进行模型训练，并构建测试集，查看训练好的模型在测试人脸图片上的人脸原型重建效果； 所述步骤S1的具体过程是： S11：构建生成器：包含两个对称的编码-解码结构子网络，即和,每个子网络都含有一个编码器和一个解码器；首先，通过编码器为来自域A的输入图片编码一个256维的身份特征，同时通过编码器为来自域B的输入图片编码一个256维的身份特征；随后，与一个50维的随机噪音向量进行串联并输入到解码器中生成在域B的原型图片，与另一个50维的随机噪音向量进行串联并输入到解码器中生成在域A的原型图片；最后，将被反馈回其对称的编码-解码子网络生成图片以逼近在域A的真实原型,同时也将被反馈回其对称的编码-解码子网络生成图片以逼近在域B的真实原型； S12：构建判别器和：是一个多任务判别器，其中是一个与身份相关的子判别器用来预测域B中人脸图片的身份；输出一个维向量，其中最大值的位置对应于身份标签；是一个对抗性子判别器用来区分域B中的真实原型图片与生成的虚拟原型图片；类似于，也是一个多任务判别器包括两个子判别器和；输出一个维向量来预测域A中输入人脸图片的身份，用来区分域A中的真假原型图片； 所述步骤S2的具体过程是： S21：构建模型的原型对抗损失函数，设计一个原型对抗损失函数，即，用以指导训练、和，表达如下： ； 式中，，代表分布函数的期望值，损失函数的前两项表明试图生成逼真的在域B的原型图片，而则试图区分和真实的域B原型图片；损失函数的后两项表明试图生成逼真的在域A的原型图片，而则试图区分和真实的域A原型图片； S22：构建模型的身份保持损失函数，利用训练数据集的身份标签信息设计一个身份保持损失函数，即，用以指导训练、和，表达如下： ； 式中和分别表示和的第个元素，损失函数前两项是用来训练和以迫使它们正确预测各自所在域人脸图片的身份标签；具体来说，给定来自域B或域A的输入图片或，或旨在准确预测图片的身份标签或，损失函数的后两项是用来训练生成身份保持的人脸原型图片，使得所在域身份判别器将其分类为与输入图片相同的身份标签； S23：构建模型原型学习循环损失函数，设计一个原型学习循环损失函数，即，不同于Cycle-GAN中的循环一致性损失函数强制输入图片经过前向和反向两次映射后与原图保持一致，旨在通过原型学习循环网络使得输入图片经过前向和反向两次映射后回归到它在源域的原型，即和，表达如下： ； 式中，，代表L1范数； S24：构建模型最终损失函数，通过结合上述三个损失函数，模型的最终损失函数及其优化如下所示： ； 式中和为平衡超参数，分别代表和的权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330031 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。