刘韵婷，靳佳晖，陈亮，张景异

(沈阳理工大学自动化与电气工程学院 沈阳 110159)

人脸表情生成技术是人工智能研究领域的热点之一，由于不同人种之间脸部轮廓和不同年龄段人群皮肤纹理存在差异等问题，给生成真实感的人脸表情任务带来很大的挑战。面部角度、光线、复杂的背景环境都会给生成效果带来影响。

传统的表情生成方法有多种，表情渐变技术使用几何或参数插值方式在同一个人两幅不同表情之间进行控制面部表情[1-2]，插值的帧间形变函数根据表情任务的复杂度确定，线性插值由于简单而被广泛使用。然而，在实际应用中，通常会存在不同人之间表情转换的需求，表情映射法可实现任意人物不同表情的合成，一般的表情映射需要两个人物的中性表情，获取同一个人的中性表情和目标表情的特征差值作用到特定的中性人脸表情上[3]，该方法仅解决了新表情的生成，忽略了表情转化引起皮肤的纹理变化，使生成的图像缺少真实感。二维网格法综合考虑了这两个方面，头部的几何信息抽象出由三角形组成的网格结构，并用参数化模型表示，改变表情肌肉群对应的三角顶点位置参数合成新的表情。同时，为了完成皮肤细节的变化，对改变后的图像像素进行重新分配[4]。

随着计算机硬件条件的提高，使用大规模参数运算的深度学习变为流行，2014 年文献[5-6]提出了生成对抗网络(generative adversarial networks,GAN)，使生成对抗网络在深度学习领域掀起了热潮，图像域间的转换、脸部外观改变等高质量图像的生成技术出现。……