В существующих генеративных состязательных сетях при обработке размытия фона часто происходит выборка признаков всей входной картинки без различия, что затрудняет разделение переднего и заднего планов, что приводит к искажению изображения. В данной работе предложен метод размытия фона на основе сети CycleGAN с использованием информации о восприятии изображения, который повышает производительность модели за счёт внедрения информации о восприятии, включающей внимание и глубину резкости. Первая используется для направления сети на различные области переднего и заднего планов для их различения, вторая — для усиления восприятия объектов на переднем плане, что позволяет реализовать эффективную интеллектуальную фокусировку и уменьшить искажения изображения, улучшая эффект размытия фона. Минимизация состязательных потерь и потерь циклической согласованности позволяет избежать потери избыточной информации о глубине резкости и повысить качество генерируемого изображения. Экспериментальные результаты и данные показывают, что предложенный метод эффективно разделяет передний и задний планы во время размытия фона и улучшает искажения изображения, делая результат более реалистичным. Кроме того, метод был оценён с помощью опроса в сравнении с существующими методами генерации изображений. Предложенный метод размытия фона на основе CycleGAN с восприятием изображения превосходит современные методы по качеству генерируемых изображений, при этом размер модели и скорость генерации составляют соответственно 56,10 МБ и 47 мс.

размытие фона;восприятие изображения;сеть CycleGAN;интеллектуальная фокусировка