计算机应用

作者：梁瑾裕, 高宏娟, 杜晓飞

单位：1.宁夏大学 信息工程学院，银川 750021；2.宁夏“东数西算”人工智能与信息安全重点实验室（宁夏大学），银川 750021

关键词：三维人脸生成,潜变量解耦,位置注意力,向量离散化,特征融合

基金：宁夏回族自治区重点研发计划项目(2023BDE03006)

针对现有的三维人脸生成方法中潜在特征解释性不足、解耦能力有限以及身份一致性不佳等问题，提出一种基于潜在特征增强进行解耦的三维人脸生成方法（LFED）。首先，采用层次聚类技术构建向量离散化模块，以促进潜在特征对先验知识的吸收，提升解耦性能；其次，设计位置注意力模块，通过逐元素求和操作，选择性整合潜在特征的位置信息，确保生成人脸的身份一致性；最后，结合先验知识与位置信息，采用最大归一化技术，增强潜在特征在人脸生成过程中的可解释性。实验结果表明，所提方法在潜在特征解耦指标变异可预测性（VP）上的精度达到95.67%，与小批次特征交换解纠缠方法SD-VAE （Swap Disentangled Variational Auto-Encoder）、局部特征投影解纠缠方法LED-VAE （Local Eigenprojection Disentangled Variational Auto-Encoder）和球谐函数局部特征投影方法SHLED-VAE （Latent Feature Enhanced for Disentanglement Variational Auto-Encoder ）相比，分别提升了14.96、14.33和12.46个百分点。可见，所提方法在保持良好的表示与重建能力的同时，解耦性能有大幅提升。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期