В связи с проблемой искажения изображений, возникающей из-за неправильной обработки признаков на стадии кодирования в существующих методах переноса позы человека, предложен метод многоуровневого переноса позы человека на основе сетей Pose-Attentional Transfer Network (PATN) и механизма самовнимания. Во-первых, разработан модуль самовнимания с направлением на позу, который с помощью механизма многоголового внимания усиливает вес каналов признаков ключевых областей тела и снижает влияние нерелевантных фонов, адаптивно исследуя взаимосвязь между признаками двух ветвей; во-вторых, на стадии декодирования добавлен модуль многоуровневого внимания, который усиливает выражение позы на разных масштабах, эффективно улучшая сохранность локальных деталей и общей текстуры; наконец, введена триплетная пиксельная потеря для ограничения генерируемых изображений, что повышает согласованность признаков и структуры изображения. Метод проверен на наборах данных DeepFashion и Market-1501, результаты экспериментов показывают, что предложенный метод превосходит существующую PATN по показателям структурного сходства (SSIM), начальной оценки (IS) и перцептивного сходства (LPIPS), а также улучшает визуальное восприятие и текстуры краев, демонстрируя важный потенциал в задачах повторного распознавания пешеходов.

Обработка изображений; перенос позы; CGAN; механизм самовнимания; многоуровневый