• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于生成對(duì)抗網(wǎng)絡(luò)的無(wú)監(jiān)督圖像風(fēng)格遷移 *

    2021-10-26 02:11:26辛月蘭殷小芳劉衛(wèi)銘姜星宇
    關(guān)鍵詞:一致性油畫(huà)風(fēng)景

    蘭 天,辛月蘭,殷小芳,劉衛(wèi)銘,姜星宇

    (青海師范大學(xué)物理與電子信息工程學(xué)院,青海 西寧 810001)

    1 引言

    近年來(lái),機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的發(fā)展取得了重大的突破,尤其是深度學(xué)習(xí)的發(fā)展使計(jì)算機(jī)具備了非常強(qiáng)大的感知能力,計(jì)算機(jī)可以感知物體、識(shí)別內(nèi)容,甚至理解人們說(shuō)的話。生成式對(duì)抗網(wǎng)絡(luò)GAN(Generative Adversarial Network) 是Goodfellow[1]在2014年提出的一種生成模型。目前GAN在圖像處理領(lǐng)域和計(jì)算機(jī)視覺(jué)領(lǐng)域得到了廣泛的研究和應(yīng)用,例如圖像復(fù)原[2]、圖像識(shí)別[3]、超分辨率合成[4]和語(yǔ)義分割[5]等,并且相比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)取得了更優(yōu)異的效果。無(wú)監(jiān)督的圖像風(fēng)格遷移是一種圖像到圖像的轉(zhuǎn)換問(wèn)題[6],在沒(méi)有配對(duì)示例的情況下將圖像從源域X轉(zhuǎn)換到目標(biāo)域Y的方法。圖像到圖像的轉(zhuǎn)換可以追溯到Hertzman[7]的圖像類(lèi)比,他們?cè)趩蝹€(gè)輸入輸出訓(xùn)練圖像對(duì)上采用了非參數(shù)紋理模型,在傳統(tǒng)的圖像風(fēng)格遷移模型中,一種算法同時(shí)只能進(jìn)行一種圖像風(fēng)格的遷移,因此它有著極大的限制。而Gatys等[8]首次使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像風(fēng)格的遷移,可以同時(shí)獲得多種圖像風(fēng)格,首先輸入原圖像,對(duì)深層卷積神經(jīng)網(wǎng)絡(luò)中的卷積層所獲得的圖像特征進(jìn)行圖像內(nèi)容的約束,然后通過(guò)不同階段的卷積特征學(xué)習(xí)得到圖像紋理,進(jìn)行紋理約束,從而優(yōu)化得到最終結(jié)果。Isola等[6]提出的“pix2pix”框架借助條件生成對(duì)抗網(wǎng)絡(luò)[9]來(lái)學(xué)習(xí)從輸入圖像到輸出圖像的映射,這是真正意義上利用GAN進(jìn)行圖像風(fēng)格遷移的方法,但需要成對(duì)匹配的數(shù)據(jù)。無(wú)論以上哪種方法都是在有監(jiān)督的條件(即具有先驗(yàn)知識(shí))下進(jìn)行的,這些模型都需要預(yù)先對(duì)源域和目標(biāo)域的數(shù)據(jù)進(jìn)行匹配,但如果想改變一幅圖像的風(fēng)格,例如校園夏天的圖像變成秋天的圖像,幾乎不可能找到和此圖像內(nèi)容完全一致的秋景讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),因此以上方法均不是理想的方法。

    研究人員最近廣泛研究在沒(méi)有監(jiān)督的情況下進(jìn)行圖像轉(zhuǎn)換。這個(gè)問(wèn)題看似是一個(gè)不合理的問(wèn)題,因?yàn)樗枰硗飧郊蛹s束。然而無(wú)監(jiān)督的圖像風(fēng)格遷移目前有了幾種解決方案,Resales等[10]提出了一種包含先驗(yàn)知識(shí)的貝葉斯框架,該框架基于馬爾可夫隨機(jī)場(chǎng)計(jì)算由多個(gè)源圖像和一個(gè)似然項(xiàng)而得到的風(fēng)格圖像。耦合生成對(duì)抗網(wǎng)絡(luò)[11]和跨場(chǎng)景模式網(wǎng)絡(luò)使用權(quán)重共享策略來(lái)實(shí)現(xiàn)跨域的通用表示。Liu等[12]將變分自動(dòng)編碼器[13]與耦合生成對(duì)抗網(wǎng)絡(luò)結(jié)合在一起,利用GAN框架,將不同圖像域的圖像特征映射到同一空間中,其中2個(gè)生成器共享權(quán)重以學(xué)習(xí)跨域圖像的聯(lián)合分布。與上述方法不同的是,循環(huán)一致性網(wǎng)絡(luò)不依賴(lài)于輸入和輸出之間任何特定于任務(wù)的預(yù)定義的相似性函數(shù),也不假定輸入和輸出必須位于相同的低維空間中,因此循環(huán)一致性網(wǎng)絡(luò)是圖像到圖像轉(zhuǎn)換的通用解決方案。卷積神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于圖像處理中,并且在圖像處理任務(wù)中取得了最佳的性能。在各類(lèi)經(jīng)典的神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)中,效果最好的結(jié)構(gòu)是DenseNet[14],在該結(jié)構(gòu)中,每一層均采用密集連接的方式將該層之前的每一層輸出引入到該層中,極大增強(qiáng)了網(wǎng)絡(luò)的建模能力。相比ResNet[15],DenseNet網(wǎng)絡(luò)的不同之處在于它提出了特征共享的思想,因此其參數(shù)量會(huì)大幅減少,并且避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)梯度消失的缺陷。因此,本文在生成器網(wǎng)絡(luò)部分引入DenseNet,組成了密集連接的殘差網(wǎng)絡(luò),網(wǎng)絡(luò)訓(xùn)練速度得到提升。同時(shí),將attention機(jī)制引入網(wǎng)絡(luò),使生成器不再只關(guān)注局部特征,生成的圖像效果更佳。而在網(wǎng)絡(luò)結(jié)構(gòu)方面,在每一個(gè)卷積層都增加譜歸一化,這樣可以降低模型的結(jié)構(gòu)風(fēng)險(xiǎn)。

    2 循環(huán)一致性對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)

    循環(huán)一致性對(duì)抗網(wǎng)絡(luò)的核心結(jié)構(gòu)是2組生成式對(duì)抗網(wǎng)絡(luò),這2組生成式對(duì)抗網(wǎng)絡(luò)是合作關(guān)系。X與Y分別代表2組不同的圖像數(shù)據(jù)域,第1組生成對(duì)抗網(wǎng)絡(luò)是生成器G(從X到Y(jié)的生成)與判別器DY,用于判斷生成的圖像是否屬于域Y;第2組生成對(duì)抗網(wǎng)絡(luò)是生成器F(從Y到X的生成)與判別器DX,用于判斷圖像是否屬于域X。2個(gè)生成器的目標(biāo)是盡可能生成對(duì)方域的圖像來(lái)“騙過(guò)”對(duì)方的鑒別器。

    2.1 生成式對(duì)抗網(wǎng)絡(luò)

    生成式對(duì)抗網(wǎng)絡(luò)GAN由生成器G和判別器D組成,2個(gè)網(wǎng)絡(luò)并非合作關(guān)系,而是對(duì)抗與博弈的關(guān)系。在對(duì)抗與博弈的過(guò)程中,生成網(wǎng)絡(luò)G就好比贗品制作者,而判別網(wǎng)絡(luò)就好比一個(gè)鑒別師,贗品制作者仿制能力會(huì)越來(lái)越強(qiáng),鑒別師的鑒別能力也會(huì)越來(lái)越強(qiáng),二者通過(guò)不斷地對(duì)抗最終達(dá)到一個(gè)平衡。G和D的對(duì)抗損失函數(shù)如式(1)所示:

    minGmaxDV(D,G)=Ex~Pdata(x)[logD(x)]+

    Ez~Pz(x)[log(1-D(G(x)))]

    (1)

    其中,x為輸入的圖像數(shù)據(jù),Pdata(x)為輸入圖像的數(shù)據(jù)分布,Pz(x)為輸入到生成網(wǎng)絡(luò)的噪聲分布,E表示數(shù)學(xué)期望。

    2.2 循環(huán)一致性網(wǎng)絡(luò)

    從理論上來(lái)看通過(guò)2組生成對(duì)抗網(wǎng)絡(luò)獨(dú)立的訓(xùn)練就能達(dá)成目標(biāo),但是這之間存在一個(gè)問(wèn)題是生成器G可以不從域X中提取任何信息而直接從域Y生成數(shù)據(jù),獨(dú)立訓(xùn)練會(huì)失去各自的意義,因此需要引入循環(huán)一致性網(wǎng)絡(luò)。

    Figure 1 Principle diagram of two groups of generative adversarial network圖1 2組生成式對(duì)抗網(wǎng)絡(luò)原理圖

    圖1的2個(gè)過(guò)程可以用式(2)和式(3)表達(dá):

    x→G(x)→F(G(x))≈x

    (2)

    y→F(y)→G(F(y))≈y

    (3)

    其中,式(2)表示前向循環(huán)一致性,式(3)表示反向循環(huán)一致性,前向循環(huán)一致性和反向循環(huán)一致性組成了一個(gè)完整的循環(huán)一致性網(wǎng)絡(luò)。

    為了將生成圖像的數(shù)據(jù)分布與目標(biāo)域圖像數(shù)據(jù)的分布進(jìn)行匹配,需要引入對(duì)抗損失,而傳統(tǒng)的對(duì)抗損失通常會(huì)出現(xiàn)訓(xùn)練不穩(wěn)定的情況,生成圖像會(huì)出現(xiàn)模式崩潰的問(wèn)題。因此,為了穩(wěn)定訓(xùn)練過(guò)程并生成更高質(zhì)量的圖像,本文采用最新的研究成果來(lái)穩(wěn)定訓(xùn)練過(guò)程,即采用如(4)式所示的Wasserstein GAN(衡量真實(shí)數(shù)據(jù)分布和生成數(shù)據(jù)分布之間距離)[16]的改進(jìn)模型WGAN-GP替換式(1):

    LGAN=Ex[D(x)]-Ex[D(G(x))]-

    (4)

    為了防止學(xué)習(xí)到的映射G和F相互矛盾,需要引入循環(huán)一致性損失。循環(huán)一致性損失函數(shù)如式(5)所示:

    Lcyc(G,F)=Ex~Pdata(x)[‖F(xiàn)(G(x))-x‖1]+

    Ey~Pdata(y)[‖G(F(y))-y‖1]

    (5)

    式(5)使用L1范數(shù)計(jì)算損失,因此完整的損失函數(shù)如式(6)所示:

    L=LGAN+Lcyc(G,F)

    (6)

    2.3 長(zhǎng)距離依賴(lài)關(guān)系

    人類(lèi)在看東西時(shí)首先會(huì)進(jìn)行定位,即最先關(guān)注到感興趣的區(qū)域,而這種該關(guān)注哪里就看哪里的機(jī)制就是注意力機(jī)制(attention)。注意力機(jī)制旨在捕獲長(zhǎng)距離依賴(lài)關(guān)系,而捕獲這種依賴(lài)關(guān)系是深度神經(jīng)網(wǎng)絡(luò)的核心問(wèn)題,對(duì)于序列數(shù)據(jù)(語(yǔ)音),周期性操作是長(zhǎng)距離依賴(lài)關(guān)系建模的主要解決方案,而對(duì)于圖像數(shù)據(jù),長(zhǎng)距離依賴(lài)關(guān)系是由卷積操作形成的大的感受野。使用非局部操作捕獲長(zhǎng)距離依賴(lài)關(guān)系可以對(duì)遠(yuǎn)端圖像細(xì)節(jié)進(jìn)行協(xié)調(diào),從而輸出優(yōu)異的結(jié)果。最近的研究表明,注意力機(jī)制已經(jīng)成為必須捕獲全局依賴(lài)性的模型的組成部分,大多數(shù)基于GAN的圖像生成模型是使用卷積層構(gòu)建的,卷積在局部鄰域中處理信息,因此僅使用卷積層在建模圖像中的長(zhǎng)距離依賴(lài)關(guān)系時(shí)計(jì)算效率低下。本文在生成器部分引入注意力機(jī)制,注意力機(jī)制通過(guò)關(guān)注同一序列中的所有位置來(lái)計(jì)算序列中某個(gè)位置的響應(yīng),首先將來(lái)自先前隱藏層的圖像特征轉(zhuǎn)換到2個(gè)特征空間以計(jì)算注意力,然后注意力層的輸出乘以比例參數(shù),最后加回到輸入的圖像數(shù)據(jù),這使網(wǎng)絡(luò)可以首先依靠鄰域中的線索,然后逐步學(xué)會(huì)為非鄰域特征分配更多的權(quán)重。該機(jī)制不僅可以更好地對(duì)結(jié)構(gòu)性強(qiáng)的圖像進(jìn)行建模,并且還可以保留更多圖像細(xì)節(jié)。注意力機(jī)制結(jié)構(gòu)如圖2所示。

    Figure 2 Structure of attention mechanism圖2 注意力機(jī)制結(jié)構(gòu)

    圖2中,Q,K,V分別表示來(lái)自隱藏層的3個(gè)特征向量空間,Q為查詢(xún)向量,K為鍵向量,二者執(zhí)行Softmax操作后與值向量V相乘得到注意力特征圖。

    2.4 譜歸一化

    最近有關(guān)網(wǎng)絡(luò)參數(shù)調(diào)節(jié)與GAN相關(guān)的最新見(jiàn)解表明,生成器的條件幾乎決定了訓(xùn)練的成敗,因?yàn)镚AN的訓(xùn)練總是不穩(wěn)定的,而歸一化技術(shù)有助于加速訓(xùn)練,提高準(zhǔn)確性,提高學(xué)習(xí)速率。Miyato等[17]通過(guò)將譜歸一化應(yīng)用于判別器網(wǎng)絡(luò)來(lái)穩(wěn)定GAN的訓(xùn)練,但這樣做會(huì)限制網(wǎng)絡(luò)每層的譜范數(shù),從而限制了鑒別器的Lipschitz條件(函數(shù)的導(dǎo)數(shù)始終小于某個(gè)固定的常數(shù)K)。與其他歸一化技術(shù)相比,譜歸一化不需要額外的超參數(shù)調(diào)整,并且計(jì)算成本也相對(duì)較小。因此,本文將譜歸一化應(yīng)用于生成器中,以防止參數(shù)幅度的提升并避免異常的梯度。從實(shí)驗(yàn)中可以發(fā)現(xiàn),生成器和鑒別器的譜歸一化可以顯著降低訓(xùn)練的計(jì)算成本,也能使訓(xùn)練更穩(wěn)定。

    Figure 3 Generator network圖3 生成器網(wǎng)絡(luò)

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)集

    本文所采用的實(shí)驗(yàn)平臺(tái)為Intel i5 8300H 2.3 GHz 4核處理器,圖形處理器NVIDA GTX1060(6 GB),內(nèi)存8 GB,深度學(xué)習(xí)框架采用基于GPU版本的PyTorch 0.4.1。數(shù)據(jù)集使用facades數(shù)據(jù)集以及由cycleGAN提供的monet2photo數(shù)據(jù)集和vangogh2photo數(shù)據(jù)集。其中,facades數(shù)據(jù)集包含226幅語(yǔ)義圖像和226幅真實(shí)圖像,這些圖像均作為訓(xùn)練集和測(cè)試集。monet2photo數(shù)據(jù)集包括2種風(fēng)格的圖像,訓(xùn)練集由莫奈油畫(huà)風(fēng)格圖像和相機(jī)拍攝的風(fēng)景風(fēng)格圖像組成,其中莫奈油畫(huà)風(fēng)格訓(xùn)練集由1 337幅256×256大小的圖像組成,風(fēng)景風(fēng)格訓(xùn)練集由3 671幅256×256大小的圖像組成,同樣測(cè)試集也由2種風(fēng)格的圖像組成,莫奈油畫(huà)風(fēng)格的測(cè)試集由271幅256×256大小的圖像組成,風(fēng)景風(fēng)格測(cè)試集由751幅256×256大小的圖像組成。vangogh2photo數(shù)據(jù)集包含梵高畫(huà)作風(fēng)格圖像和風(fēng)景風(fēng)格圖像,梵高畫(huà)作訓(xùn)練集由755幅256×256大小的圖像組成,風(fēng)景風(fēng)格訓(xùn)練集由6 287幅256×256大小的圖像組成,測(cè)試集由400幅256×256大小的梵高畫(huà)作風(fēng)格圖像和751幅256×256大小的風(fēng)景風(fēng)格圖像組成。

    3.2 網(wǎng)絡(luò)模型

    生成器網(wǎng)絡(luò)由編碼層、轉(zhuǎn)換層和解碼層構(gòu)成,傳統(tǒng)循環(huán)一致性網(wǎng)絡(luò)轉(zhuǎn)換層由6個(gè)ResNet模塊組成,本文改進(jìn)的網(wǎng)絡(luò)采用9個(gè)Dense Block模塊。在ResNet中,第k層的輸入Xk-1經(jīng)過(guò)函數(shù)Hk后得到的輸出Hk(Xk-1)再加上輸入就組成了下一層的輸入Xk,如式(7)所示:

    xk=Hk(Xk-1)+xk-1

    (7)

    而DenseNet由Dense Block模塊組成,第k-1層的輸入與之前所有層的輸入按照通道組合在一起作為真正的輸入,經(jīng)過(guò)一個(gè)BN層、ReLU和卷積層后得到對(duì)應(yīng)的隱層輸出,該輸出即是下一層的輸入Xk,如式(8)所示:

    xk=Hk([X0,X1,…,Xk-2,Xk-1])

    (8)

    盡管DenseNet采用密集連接的方式,但實(shí)際參數(shù)量比ResNet少得多。本文生成器網(wǎng)絡(luò)模型如圖3所示,其中,編碼層的作用是將輸入圖像的特征向量進(jìn)行編碼,轉(zhuǎn)換層的作用是將輸入的特征向量轉(zhuǎn)換為目標(biāo)域的特征向量,解碼層的作用是對(duì)目標(biāo)域的特征向量解碼,生成目標(biāo)域的圖像。在轉(zhuǎn)換層的開(kāi)始和結(jié)束都增加一個(gè)注意力機(jī)制,除了解碼層第3個(gè)反卷積,其余每一個(gè)卷積層都增加譜歸一化。

    判別器網(wǎng)絡(luò)采用Isola等[6]提出的PatchGAN判別模型,PatchGAN的思想是將圖像劃分為若干個(gè)70×70的圖像塊,然后對(duì)這些圖像塊是真實(shí)的還是生成的進(jìn)行分類(lèi),計(jì)算這些圖像塊分類(lèi)的結(jié)果平均值,從而判斷圖像是真實(shí)的還是生成的。判別器網(wǎng)絡(luò)模型如圖4所示。

    Figure 4 Discriminator network圖4 判別器網(wǎng)絡(luò)

    訓(xùn)練時(shí)同時(shí)訓(xùn)練2個(gè)域的圖像,即莫奈油畫(huà)風(fēng)格圖像和風(fēng)景風(fēng)格圖像、梵高畫(huà)作風(fēng)格圖像和風(fēng)景風(fēng)格圖像、建筑物語(yǔ)義圖像和真實(shí)圖像,這些圖像并沒(méi)有進(jìn)行配對(duì)。傳統(tǒng)的循環(huán)一致性網(wǎng)絡(luò)訓(xùn)練時(shí)每一次迭代需要40 min,而本文改進(jìn)的網(wǎng)絡(luò)每次迭代減少到34 min左右。

    3.3 實(shí)驗(yàn)結(jié)果

    為了體現(xiàn)模型的泛化能力,本文在facades和vangogh2photo數(shù)據(jù)集上分別進(jìn)行了莫奈油畫(huà)風(fēng)格轉(zhuǎn)風(fēng)景風(fēng)格和風(fēng)景風(fēng)格轉(zhuǎn)莫奈油畫(huà)風(fēng)格的實(shí)驗(yàn),并將實(shí)驗(yàn)效果和DiscoGAN[18]、傳統(tǒng)的循環(huán)一致性網(wǎng)絡(luò)CycleGAN進(jìn)行了對(duì)比。

    3.3.1 monet2photo數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果

    莫奈油畫(huà)風(fēng)格轉(zhuǎn)風(fēng)景風(fēng)格的對(duì)比結(jié)果如圖5所示,第1列為輸入圖像,第2列為CycleGAN的結(jié)果,第3列為DiscoGAN的結(jié)果,第4列為本文方法的結(jié)果。

    Figure 5 Contrast experiment of Monet style transferred to landscape photos圖5 莫奈風(fēng)格轉(zhuǎn)風(fēng)景風(fēng)格對(duì)比實(shí)驗(yàn)

    輸入為莫奈油畫(huà)風(fēng)格圖像,實(shí)驗(yàn)?zāi)繕?biāo)是將莫奈油畫(huà)風(fēng)格圖像轉(zhuǎn)換為風(fēng)景風(fēng)格圖像,實(shí)驗(yàn)結(jié)果越接近真實(shí)生活場(chǎng)景則效果越好。從圖5可以看出,傳統(tǒng)的CycleGAN在稻草堆轉(zhuǎn)換過(guò)程中保留了油畫(huà)當(dāng)中的紅色,DiscoGAN結(jié)果出現(xiàn)變形,而本文方法更接近真實(shí)生活中的土黃色并且形狀未發(fā)生改變;而第2行中CycleGAN和DiscoGAN生成的結(jié)果中海水出現(xiàn)了綠色;第3行本文方法生成的結(jié)果中無(wú)論天空顏色還是草地細(xì)節(jié)都優(yōu)于前2種方法。

    風(fēng)景風(fēng)格轉(zhuǎn)莫奈油畫(huà)風(fēng)格的實(shí)驗(yàn)結(jié)果如圖6所示,第1列為輸入圖像,第2列為CycleGAN生成的圖像,第3列為DiscoGAN結(jié)果,第4列為本文方法結(jié)果。

    Figure 6 Contrast experiment of landscape photos transferred to Monet style圖6 風(fēng)景照轉(zhuǎn)莫奈畫(huà)風(fēng)對(duì)比實(shí)驗(yàn)

    輸入風(fēng)景風(fēng)格圖像,學(xué)習(xí)莫奈油畫(huà)風(fēng)格圖像,希望將風(fēng)景風(fēng)格圖像轉(zhuǎn)換為莫奈油畫(huà)風(fēng)格圖像。從圖6可以看出,傳統(tǒng)的CycleGAN生成的圖像更像是將風(fēng)景風(fēng)格換了顏色,第1行的綠樹(shù)也沒(méi)有生成很好的細(xì)節(jié);第2行背景顏色沒(méi)有得到很好的生成;第3行路邊小花沒(méi)有得到保留;而本文方法的結(jié)果更接近真實(shí)的油畫(huà)風(fēng)格,并且細(xì)節(jié)得到更多保留。因此,實(shí)驗(yàn)結(jié)果表明,本文引入的attention機(jī)制有助于提升圖像的生成效果。

    3.3.2 facades和vangogh2photo數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果

    facades數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如圖7所示,輸入為語(yǔ)義圖,目標(biāo)是將語(yǔ)義圖還原為真實(shí)圖像,第1列為輸入,第2列為CycleGAN實(shí)驗(yàn)結(jié)果,第3列為DiscoGAN實(shí)驗(yàn)結(jié)果,第4列為本文方法實(shí)驗(yàn)結(jié)果。

    Figure 7 Experimental results on facades data set圖7 facades數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

    從實(shí)驗(yàn)結(jié)果可以看出,DiscoGAN實(shí)驗(yàn)結(jié)果比CycleGAN實(shí)驗(yàn)結(jié)果涂抹感更嚴(yán)重一些,而本文方法在細(xì)節(jié)恢復(fù)上更勝一籌,尤其是第2行最后一幅圖像樓下的護(hù)欄。

    vangogh2photo數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如圖8所示,第1列為輸入,第2列為CycleGAN結(jié)果圖像,第3列為DisacoGAN結(jié)果圖像,第4列為本文方法實(shí)驗(yàn)結(jié)果。輸入為梵高畫(huà)作風(fēng)格圖像,目的是將其轉(zhuǎn)換為風(fēng)景風(fēng)格圖像。

    Figure 8 Contrast experiment of Van Gogh style transferred to landscape photos圖8 梵高畫(huà)作風(fēng)格圖像轉(zhuǎn)風(fēng)景風(fēng)格圖像對(duì)比實(shí)驗(yàn)

    從實(shí)驗(yàn)結(jié)果來(lái)看,盡管CycleGAN和DiscoGAN取得了相似的結(jié)果,且 CycleGAN的實(shí)驗(yàn)結(jié)果細(xì)節(jié)更豐富,例如第2行遠(yuǎn)處的房子,但是色彩還原上不盡人意。而本文方法無(wú)論是顏色上還是細(xì)節(jié)上都獲得了良好的效果。

    3.3.3 消融實(shí)驗(yàn)

    為了驗(yàn)證attention機(jī)制(AT)在生成效果上的有效性,本文進(jìn)行了消融對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如圖9所示。經(jīng)過(guò)大量實(shí)驗(yàn)表明,使用DenseNet網(wǎng)絡(luò)和譜歸一化技術(shù)僅起到加快網(wǎng)絡(luò)收斂速度和提高穩(wěn)定性的作用,對(duì)圖像生成效果并沒(méi)有本質(zhì)的提升;而attention機(jī)制善于捕獲全局細(xì)節(jié),對(duì)于顏色的捕獲也非常敏感,對(duì)于圖像生成效果起到至關(guān)重要的作用。例如第1行圖像立體結(jié)構(gòu)發(fā)生較大改變,引入attention機(jī)制有明顯的效果提升,而對(duì)風(fēng)景風(fēng)格圖像在顏色上的還原也起到良好的作用。

    Figure 9 Ablation comparison test圖9 消融對(duì)比實(shí)驗(yàn)

    3.4 性能評(píng)估

    IS(Inception Score)分?jǐn)?shù)是衡量圖像質(zhì)量的常用指標(biāo),IS分?jǐn)?shù)通過(guò)計(jì)算目標(biāo)域的概率分布和生成圖像的概率分布之間的KL散度(概率分布之間的相似程度)來(lái)衡量生成圖像和目標(biāo)域圖像之間的差異。本文采用IS分?jǐn)?shù)進(jìn)行評(píng)估,IS分?jǐn)?shù)通過(guò)谷歌提供的Inception V3網(wǎng)絡(luò)計(jì)算得到,該網(wǎng)絡(luò)主要從圖像清晰度和圖像多樣性來(lái)衡量圖像生成的質(zhì)量,因此IS分?jǐn)?shù)越高則代表生成圖像的質(zhì)量越好。IS平均分?jǐn)?shù)對(duì)比如表1所示。

    Table 1 IS comparison

    FID(Fréchet Inception Distance)是更權(quán)威和更全面的一種評(píng)價(jià)指標(biāo),在評(píng)估所生成樣本的真實(shí)性和變化方面與人類(lèi)主觀感受更加一致。FID分?jǐn)?shù)同樣通過(guò)谷歌提供的Inception V3網(wǎng)絡(luò)計(jì)算得到,衡量特征空間中生成圖像和實(shí)際圖像之間的距離。因此,F(xiàn)ID分?jǐn)?shù)越低,意味著生成數(shù)據(jù)分布與實(shí)際數(shù)據(jù)分布之間的距離越接近,圖像生成效果越好。FID平均分?jǐn)?shù)對(duì)比如表2所示。

    Table 2 FID comparison

    4 結(jié)束語(yǔ)

    傳統(tǒng)的循環(huán)一致性網(wǎng)絡(luò)采用的ResNet在實(shí)驗(yàn)過(guò)程中表現(xiàn)并不穩(wěn)定,有時(shí)會(huì)出現(xiàn)梯度消失的現(xiàn)象,導(dǎo)致生成器無(wú)法繼續(xù)學(xué)習(xí),而本文集成了DensNet網(wǎng)絡(luò),在減少參數(shù)量的同時(shí)也避免了梯度消失現(xiàn)象,訓(xùn)練過(guò)程更穩(wěn)定。通過(guò)對(duì)生成器引入注意力機(jī)制提高了圖像的生成效果,可以更好地進(jìn)行圖像風(fēng)格遷移。

    猜你喜歡
    一致性油畫(huà)風(fēng)景
    一張油畫(huà)
    關(guān)注減污降碳協(xié)同的一致性和整體性
    公民與法治(2022年5期)2022-07-29 00:47:28
    注重教、學(xué)、評(píng)一致性 提高一輪復(fù)習(xí)效率
    IOl-master 700和Pentacam測(cè)量Kappa角一致性分析
    油畫(huà)《塬下》
    油畫(huà)
    眺望心中最美的風(fēng)景
    不可錯(cuò)過(guò)的絕美風(fēng)景
    《歲月長(zhǎng)又長(zhǎng)》(油畫(huà))
    海燕(2017年4期)2017-04-11 13:52:18
    隨手一畫(huà)就是風(fēng)景
    精品久久久久久久人妻蜜臀av| 久久久国产成人精品二区| 亚洲av电影在线进入| 91av网一区二区| 亚洲av五月六月丁香网| 国产精品永久免费网站| 亚洲国产色片| 亚洲人成电影免费在线| 黄色片一级片一级黄色片| a在线观看视频网站| 日本a在线网址| 久久久久国内视频| 亚洲最大成人手机在线| 老鸭窝网址在线观看| 久久天躁狠狠躁夜夜2o2o| 中亚洲国语对白在线视频| 午夜老司机福利剧场| 在线看三级毛片| 国产探花在线观看一区二区| 国产视频一区二区在线看| 午夜福利欧美成人| а√天堂www在线а√下载| 99久久精品国产亚洲精品| 麻豆一二三区av精品| 麻豆久久精品国产亚洲av| 宅男免费午夜| 午夜福利在线观看吧| 熟女人妻精品中文字幕| 熟女人妻精品中文字幕| а√天堂www在线а√下载| 色综合亚洲欧美另类图片| 亚洲人成网站在线播放欧美日韩| 午夜免费男女啪啪视频观看 | 国产精品久久久人人做人人爽| 最好的美女福利视频网| 日韩欧美一区二区三区在线观看| 美女高潮喷水抽搐中文字幕| 国产亚洲欧美在线一区二区| 亚洲精品日韩av片在线观看 | 人妻夜夜爽99麻豆av| 久久久久国产精品人妻aⅴ院| 免费av不卡在线播放| 亚洲va日本ⅴa欧美va伊人久久| 国产色爽女视频免费观看| 成人欧美大片| 久久精品国产亚洲av涩爱 | 老司机福利观看| 午夜福利成人在线免费观看| 日本三级黄在线观看| 亚洲第一电影网av| 国产 一区 欧美 日韩| 婷婷精品国产亚洲av| 亚洲片人在线观看| 久久天躁狠狠躁夜夜2o2o| 国产精品永久免费网站| 99视频精品全部免费 在线| 九九久久精品国产亚洲av麻豆| 一个人观看的视频www高清免费观看| 成熟少妇高潮喷水视频| 日韩精品中文字幕看吧| 亚洲国产精品999在线| 男女之事视频高清在线观看| 亚洲精品456在线播放app | 中文字幕av在线有码专区| 国产三级中文精品| 久久久精品欧美日韩精品| 一进一出抽搐动态| 成人一区二区视频在线观看| 一个人看视频在线观看www免费 | 99在线人妻在线中文字幕| 一个人观看的视频www高清免费观看| 亚洲久久久久久中文字幕| 波野结衣二区三区在线 | 国产成人欧美在线观看| 亚洲最大成人中文| 午夜福利欧美成人| 中亚洲国语对白在线视频| 午夜久久久久精精品| 九九在线视频观看精品| 亚洲精品色激情综合| 亚洲成av人片免费观看| 中文字幕久久专区| 大型黄色视频在线免费观看| 国产精品自产拍在线观看55亚洲| 又爽又黄无遮挡网站| www日本在线高清视频| av欧美777| 嫩草影院入口| 国产又黄又爽又无遮挡在线| 亚洲中文字幕一区二区三区有码在线看| 天堂动漫精品| 久99久视频精品免费| 一级毛片高清免费大全| 亚洲真实伦在线观看| 欧美性感艳星| 亚洲av电影不卡..在线观看| 黄色日韩在线| 亚洲av免费在线观看| 最近在线观看免费完整版| 国产av麻豆久久久久久久| 亚洲 国产 在线| 18禁在线播放成人免费| 欧美一级毛片孕妇| 国语自产精品视频在线第100页| 亚洲激情在线av| 亚洲成av人片免费观看| 精品久久久久久久人妻蜜臀av| 亚洲av成人不卡在线观看播放网| 超碰av人人做人人爽久久 | 亚洲 国产 在线| 舔av片在线| 女人被狂操c到高潮| 少妇高潮的动态图| 国产精品av视频在线免费观看| 午夜老司机福利剧场| 国内精品久久久久精免费| 一进一出抽搐gif免费好疼| 淫秽高清视频在线观看| 99久国产av精品| 欧美日韩精品网址| 深夜精品福利| 熟女人妻精品中文字幕| 在线观看舔阴道视频| 五月伊人婷婷丁香| 在线观看午夜福利视频| 免费人成在线观看视频色| 亚洲av成人不卡在线观看播放网| 两个人视频免费观看高清| 精品人妻一区二区三区麻豆 | 在线观看午夜福利视频| 免费人成在线观看视频色| 亚洲精品在线观看二区| 成人午夜高清在线视频| 真实男女啪啪啪动态图| 亚洲专区中文字幕在线| 亚洲欧美一区二区三区黑人| 国产av一区在线观看免费| 人妻夜夜爽99麻豆av| 最近视频中文字幕2019在线8| 亚洲第一欧美日韩一区二区三区| 国产视频一区二区在线看| 国产av不卡久久| 一进一出抽搐动态| 又黄又爽又免费观看的视频| 美女黄网站色视频| 午夜激情欧美在线| 天天一区二区日本电影三级| 欧美午夜高清在线| 黄色片一级片一级黄色片| 国产探花极品一区二区| 国产精品一及| 午夜激情欧美在线| www日本在线高清视频| 宅男免费午夜| 非洲黑人性xxxx精品又粗又长| 天天一区二区日本电影三级| 精品乱码久久久久久99久播| 日本撒尿小便嘘嘘汇集6| 亚洲av五月六月丁香网| 老汉色av国产亚洲站长工具| 午夜激情欧美在线| 亚洲欧美日韩高清在线视频| 一级作爱视频免费观看| 国产精品av视频在线免费观看| 人人妻,人人澡人人爽秒播| 动漫黄色视频在线观看| 一区二区三区激情视频| 一a级毛片在线观看| 乱人视频在线观看| 国产高清有码在线观看视频| 日韩av在线大香蕉| 精品久久久久久久末码| 69av精品久久久久久| 深爱激情五月婷婷| 国产黄色小视频在线观看| 国产精品女同一区二区软件 | 亚洲人与动物交配视频| 欧美乱妇无乱码| xxxwww97欧美| 国产综合懂色| 国产伦在线观看视频一区| 久久久精品大字幕| 狂野欧美激情性xxxx| 久久久久性生活片| 一本久久中文字幕| 啪啪无遮挡十八禁网站| 精品久久久久久久末码| 夜夜爽天天搞| 黄色丝袜av网址大全| 日韩免费av在线播放| 岛国在线免费视频观看| 夜夜躁狠狠躁天天躁| av天堂在线播放| 欧美xxxx黑人xx丫x性爽| 欧美最黄视频在线播放免费| 在线观看一区二区三区| 操出白浆在线播放| 黄色日韩在线| 天天添夜夜摸| 黄色丝袜av网址大全| 久久精品人妻少妇| 18美女黄网站色大片免费观看| 成人欧美大片| 男女做爰动态图高潮gif福利片| 成人性生交大片免费视频hd| 国产精品国产高清国产av| 又粗又爽又猛毛片免费看| 亚洲,欧美精品.| 欧美一区二区国产精品久久精品| 18禁国产床啪视频网站| 国产精品久久久久久精品电影| 中文字幕人成人乱码亚洲影| 夜夜看夜夜爽夜夜摸| 精品电影一区二区在线| eeuss影院久久| 久久久久久大精品| 亚洲男人的天堂狠狠| 我的老师免费观看完整版| 亚洲七黄色美女视频| 夜夜躁狠狠躁天天躁| 美女免费视频网站| 午夜亚洲福利在线播放| 国产真实乱freesex| 中文字幕精品亚洲无线码一区| 欧美成人性av电影在线观看| 国模一区二区三区四区视频| 嫩草影院入口| 别揉我奶头~嗯~啊~动态视频| 亚洲成a人片在线一区二区| 99久久成人亚洲精品观看| 国产免费男女视频| 亚洲av免费在线观看| 久久草成人影院| 每晚都被弄得嗷嗷叫到高潮| 亚洲五月天丁香| 日韩欧美在线乱码| 88av欧美| 欧美中文综合在线视频| 国产高潮美女av| 欧美激情在线99| 美女被艹到高潮喷水动态| www日本黄色视频网| 1024手机看黄色片| 国产乱人伦免费视频| 亚洲狠狠婷婷综合久久图片| 国产 一区 欧美 日韩| 欧美av亚洲av综合av国产av| 一级作爱视频免费观看| 欧美最新免费一区二区三区 | 3wmmmm亚洲av在线观看| 91麻豆精品激情在线观看国产| 久久精品国产清高在天天线| 成人三级黄色视频| 国产真人三级小视频在线观看| 日韩欧美一区二区三区在线观看| 色吧在线观看| 亚洲av成人av| 两个人视频免费观看高清| 久9热在线精品视频| 在线看三级毛片| 亚洲欧美日韩高清在线视频| 麻豆成人av在线观看| 久久中文看片网| 亚洲国产精品成人综合色| 一进一出抽搐动态| 国产成人欧美在线观看| 99久久综合精品五月天人人| 久久久久久久亚洲中文字幕 | 性色avwww在线观看| 欧美性猛交╳xxx乱大交人| 舔av片在线| 久久久国产成人精品二区| 在线国产一区二区在线| 国产极品精品免费视频能看的| 99国产极品粉嫩在线观看| 久久精品影院6| 乱人视频在线观看| 欧美成狂野欧美在线观看| av女优亚洲男人天堂| 一个人免费在线观看电影| 国产综合懂色| 人人妻人人澡欧美一区二区| 两个人视频免费观看高清| 亚洲第一电影网av| 国产精品久久久久久亚洲av鲁大| 欧美一区二区亚洲| 亚洲人成网站在线播| 一区二区三区激情视频| 岛国视频午夜一区免费看| 男插女下体视频免费在线播放| 欧美日韩亚洲国产一区二区在线观看| 韩国av一区二区三区四区| 九九在线视频观看精品| 国产探花在线观看一区二区| 午夜免费男女啪啪视频观看 | 国产真实伦视频高清在线观看 | 99久久无色码亚洲精品果冻| 欧美日本视频| 亚洲精品美女久久久久99蜜臀| 亚洲国产精品久久男人天堂| 精品久久久久久,| 精品熟女少妇八av免费久了| 国产午夜福利久久久久久| 91久久精品国产一区二区成人 | 国产精品日韩av在线免费观看| 中文字幕人妻熟人妻熟丝袜美 | 亚洲在线自拍视频| 国产精品久久久久久精品电影| 精品午夜福利视频在线观看一区| 免费看a级黄色片| 女警被强在线播放| 国产精品综合久久久久久久免费| 精品欧美国产一区二区三| 国产视频一区二区在线看| 国产精品久久久久久人妻精品电影| 国产亚洲精品一区二区www| 亚洲国产欧美人成| 99精品在免费线老司机午夜| 天堂动漫精品| 久久久精品大字幕| 黄片小视频在线播放| 日本三级黄在线观看| av国产免费在线观看| 国产69精品久久久久777片| 亚洲一区二区三区色噜噜| 亚洲七黄色美女视频| 国产精品 欧美亚洲| 91九色精品人成在线观看| 在线视频色国产色| a级毛片a级免费在线| 一区二区三区免费毛片| 欧洲精品卡2卡3卡4卡5卡区| 免费av不卡在线播放| 亚洲无线在线观看| 一本精品99久久精品77| 2021天堂中文幕一二区在线观| 18禁裸乳无遮挡免费网站照片| 一级毛片高清免费大全| 国产男靠女视频免费网站| 老鸭窝网址在线观看| 国产综合懂色| 久久久久亚洲av毛片大全| 免费看美女性在线毛片视频| 国产av一区在线观看免费| 在线观看av片永久免费下载| 亚洲无线在线观看| 精品久久久久久成人av| 国产99白浆流出| 免费看美女性在线毛片视频| 精品99又大又爽又粗少妇毛片 | 久9热在线精品视频| 国产精品野战在线观看| 精品人妻偷拍中文字幕| 亚洲国产欧洲综合997久久,| 久久久国产成人免费| 亚洲国产欧美网| 成人18禁在线播放| 亚洲国产日韩欧美精品在线观看 | 国产成人aa在线观看| 欧美不卡视频在线免费观看| 露出奶头的视频| 国产精品野战在线观看| 色综合站精品国产| 国产亚洲精品av在线| 午夜福利免费观看在线| 欧美乱码精品一区二区三区| 国产精品女同一区二区软件 | 免费一级毛片在线播放高清视频| 国产成人福利小说| 一区二区三区国产精品乱码| 舔av片在线| 搡老熟女国产l中国老女人| 国产精品精品国产色婷婷| 人人妻人人看人人澡| 淫秽高清视频在线观看| 国产午夜精品论理片| 日韩欧美免费精品| 天天一区二区日本电影三级| 国产精品久久久久久人妻精品电影| 老熟妇乱子伦视频在线观看| 欧美性猛交黑人性爽| 尤物成人国产欧美一区二区三区| 国产爱豆传媒在线观看| 亚洲黑人精品在线| 亚洲欧美日韩高清在线视频| 亚洲精品一区av在线观看| 丝袜美腿在线中文| 日本三级黄在线观看| 日本黄大片高清| a级毛片a级免费在线| 国产亚洲欧美98| 内射极品少妇av片p| 少妇人妻一区二区三区视频| 一区二区三区免费毛片| 日韩大尺度精品在线看网址| 国产三级在线视频| 免费人成视频x8x8入口观看| 99精品在免费线老司机午夜| 日韩欧美精品v在线| 精品久久久久久久末码| 欧美高清成人免费视频www| 九九久久精品国产亚洲av麻豆| 国产中年淑女户外野战色| 亚洲人成网站在线播放欧美日韩| 噜噜噜噜噜久久久久久91| 最近最新中文字幕大全电影3| 国产精品综合久久久久久久免费| 最近视频中文字幕2019在线8| 特大巨黑吊av在线直播| 日本黄色视频三级网站网址| 久久香蕉国产精品| 色综合欧美亚洲国产小说| 亚洲专区中文字幕在线| 久久亚洲真实| 国产成+人综合+亚洲专区| 香蕉av资源在线| 最新在线观看一区二区三区| 国产精品98久久久久久宅男小说| 欧美一区二区国产精品久久精品| 99久久精品国产亚洲精品| 免费在线观看日本一区| www日本黄色视频网| 99在线视频只有这里精品首页| 变态另类成人亚洲欧美熟女| 成年人黄色毛片网站| ponron亚洲| 国产日本99.免费观看| 亚洲美女黄片视频| 国产精品 欧美亚洲| 在线免费观看的www视频| 欧美最黄视频在线播放免费| 天天添夜夜摸| 国产毛片a区久久久久| 色精品久久人妻99蜜桃| 欧美日韩黄片免| 操出白浆在线播放| 亚洲自拍偷在线| 成熟少妇高潮喷水视频| 啦啦啦免费观看视频1| xxxwww97欧美| 国产免费一级a男人的天堂| 色播亚洲综合网| 美女被艹到高潮喷水动态| 美女大奶头视频| 97超视频在线观看视频| 久久精品影院6| 日韩欧美国产在线观看| 搡老岳熟女国产| 一级作爱视频免费观看| 亚洲国产高清在线一区二区三| 两个人视频免费观看高清| 欧美乱码精品一区二区三区| 亚洲熟妇熟女久久| 国产高清三级在线| 他把我摸到了高潮在线观看| 亚洲人成网站在线播| 日韩欧美精品v在线| 非洲黑人性xxxx精品又粗又长| 成人av一区二区三区在线看| 欧美xxxx黑人xx丫x性爽| 国内精品一区二区在线观看| 一个人免费在线观看的高清视频| 99精品在免费线老司机午夜| 天堂√8在线中文| 小蜜桃在线观看免费完整版高清| 性色av乱码一区二区三区2| 精品福利观看| 亚洲欧美日韩高清专用| 波多野结衣高清无吗| 亚洲av不卡在线观看| 3wmmmm亚洲av在线观看| 91麻豆av在线| 国产视频一区二区在线看| 最新中文字幕久久久久| 国产成人av教育| 老熟妇仑乱视频hdxx| 久久久国产成人免费| 一区二区三区激情视频| 久久天躁狠狠躁夜夜2o2o| 久久久久免费精品人妻一区二区| 88av欧美| 久久久久精品国产欧美久久久| 亚洲成人中文字幕在线播放| 99久久精品国产亚洲精品| 欧美av亚洲av综合av国产av| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 女人高潮潮喷娇喘18禁视频| 亚洲国产中文字幕在线视频| 床上黄色一级片| 99国产精品一区二区三区| 老鸭窝网址在线观看| 岛国在线观看网站| av视频在线观看入口| 两性午夜刺激爽爽歪歪视频在线观看| 国产欧美日韩精品亚洲av| 国产高清videossex| av国产免费在线观看| 欧美色欧美亚洲另类二区| 日本黄大片高清| 久久久久九九精品影院| 99久久九九国产精品国产免费| 观看美女的网站| 国产亚洲精品综合一区在线观看| www.999成人在线观看| 亚洲国产精品久久男人天堂| 五月伊人婷婷丁香| 又爽又黄无遮挡网站| 人人妻人人澡欧美一区二区| 亚洲成a人片在线一区二区| 久久精品国产亚洲av香蕉五月| 亚洲在线观看片| 国内毛片毛片毛片毛片毛片| 一级黄色大片毛片| 一级黄片播放器| 午夜a级毛片| 99精品在免费线老司机午夜| 日日干狠狠操夜夜爽| 身体一侧抽搐| 最新在线观看一区二区三区| 男女午夜视频在线观看| 色吧在线观看| 久久草成人影院| 日韩人妻高清精品专区| 亚洲国产色片| 国产乱人视频| av女优亚洲男人天堂| 午夜福利在线观看免费完整高清在 | 国模一区二区三区四区视频| 一个人看的www免费观看视频| 欧美成人一区二区免费高清观看| 国产精品影院久久| 丰满人妻熟妇乱又伦精品不卡| 欧美一区二区国产精品久久精品| 亚洲av二区三区四区| 国产成人aa在线观看| 国产主播在线观看一区二区| 中文字幕av在线有码专区| 亚洲精品影视一区二区三区av| 国产乱人视频| 国产精品 欧美亚洲| 久久香蕉国产精品| 亚洲av二区三区四区| 国产成人av教育| 国产精品久久久人人做人人爽| 午夜日韩欧美国产| 欧美成人一区二区免费高清观看| 国产av在哪里看| 观看免费一级毛片| 香蕉丝袜av| 三级国产精品欧美在线观看| 精品午夜福利视频在线观看一区| 国产国拍精品亚洲av在线观看 | 亚洲性夜色夜夜综合| 麻豆成人av在线观看| 两人在一起打扑克的视频| 免费电影在线观看免费观看| 成人永久免费在线观看视频| 久久久色成人| 色噜噜av男人的天堂激情| 免费一级毛片在线播放高清视频| 最近最新免费中文字幕在线| 99国产极品粉嫩在线观看| 久久人妻av系列| 午夜亚洲福利在线播放| 1000部很黄的大片| 熟女少妇亚洲综合色aaa.| 久久久久久久午夜电影| 国产老妇女一区| 女人被狂操c到高潮| 十八禁网站免费在线| 亚洲av五月六月丁香网| 很黄的视频免费| 一进一出好大好爽视频| 国产成+人综合+亚洲专区| 亚洲欧美日韩高清专用| 少妇丰满av| 小蜜桃在线观看免费完整版高清| 99riav亚洲国产免费| 久久国产乱子伦精品免费另类| 免费观看精品视频网站| 国产精品 国内视频| 精品人妻1区二区| 国产精品一区二区免费欧美| 欧美激情在线99| 嫩草影视91久久| 真实男女啪啪啪动态图| av视频在线观看入口| 大型黄色视频在线免费观看| 制服人妻中文乱码| 91在线精品国自产拍蜜月 | 午夜福利成人在线免费观看| 欧美性猛交黑人性爽| 熟女电影av网| 老司机福利观看| 国产一区二区三区在线臀色熟女| 久久精品91蜜桃| 亚洲avbb在线观看| 欧美性猛交╳xxx乱大交人| 欧美日韩黄片免| svipshipincom国产片| 我要搜黄色片| 国产高清视频在线播放一区| 国产高清videossex| 51午夜福利影视在线观看| 精品电影一区二区在线| 尤物成人国产欧美一区二区三区| АⅤ资源中文在线天堂| 国产熟女xx| 国产精品久久久久久人妻精品电影| 一区二区三区激情视频| 午夜激情福利司机影院| 国产一区在线观看成人免费| 国产精品一区二区免费欧美| 久久久久久大精品| 欧美精品啪啪一区二区三区|