• <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 ?

    基于通道分組注意力的無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型

    2021-11-13 09:52:18孫銘一孫劉杰李佳昕
    包裝學(xué)報(bào) 2021年5期
    關(guān)鍵詞:鑒別器殘差卷積

    孫銘一 孫劉杰 李佳昕

    上海理工大學(xué)

    出版印刷與藝術(shù)設(shè)計(jì)學(xué)院

    上海 200093

    0 引言

    圖像風(fēng)格轉(zhuǎn)換是近年來機(jī)器視覺領(lǐng)域的研究重點(diǎn)之一。根據(jù)圖像風(fēng)格轉(zhuǎn)換模型在訓(xùn)練中是否需要成對的數(shù)據(jù),其可分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。有監(jiān)督學(xué)習(xí)需要成對的數(shù)據(jù)和人工對數(shù)據(jù)打標(biāo)簽,導(dǎo)致時(shí)間成本過高。無監(jiān)督學(xué)習(xí)不需要成對的數(shù)據(jù),相較于有監(jiān)督學(xué)習(xí),其數(shù)據(jù)獲取更加簡單高效,普適性更高。根據(jù)一張輸入圖像是否能夠?qū)?yīng)獲得多個(gè)輸出圖像,圖像風(fēng)格轉(zhuǎn)換模型可分為單模態(tài)模型和多模態(tài)模型。在單模態(tài)模型中,一張輸入圖像只能獲得一張對應(yīng)的輸出圖像,當(dāng)輸入數(shù)據(jù)不成對時(shí),其局限性便體現(xiàn)在模型的輸出結(jié)果不確定上。在多模態(tài)模型中,一張輸入圖像可以對應(yīng)多張輸出圖像,因而多模態(tài)模型能夠很好地應(yīng)對多圖像轉(zhuǎn)換任務(wù),例如包裝平面設(shè)計(jì)[1]、文圖轉(zhuǎn)換等。

    近年來有關(guān)多模態(tài)無監(jiān)督圖像風(fēng)格轉(zhuǎn)換的研究越來越多,這些研究都是基于生成對抗網(wǎng)絡(luò)[2](generative adversarial networks,GAN)。Choi Y.等[3]提出了人臉圖像多模態(tài)轉(zhuǎn)換模型StarGAN,Yu X. M.等[4]提出了SingleGAN。StarGAN使用星形生成網(wǎng)絡(luò)結(jié)構(gòu)并在輸入中添加目標(biāo)領(lǐng)域信息,再結(jié)合判別器的分類結(jié)構(gòu)和循環(huán)重構(gòu)一致性約束完成圖像翻譯工作。但是其欠缺對圖像重構(gòu)損失的考慮,因而圖像風(fēng)格轉(zhuǎn)換時(shí)某些固定屬性會發(fā)生變化,導(dǎo)致圖像質(zhì)量下降。SingleGAN則采用類別便簽指導(dǎo)方法,在StarGAN的基礎(chǔ)之上對網(wǎng)絡(luò)結(jié)構(gòu)作出改進(jìn)。2018年,Huang X.等[5]提出的MUNIT和Lee H. Y.等[6]提出的DRIT,均是基于內(nèi)容與風(fēng)格分離編碼再交叉解碼的方法以獲得多樣的輸出。與DRIT不同的是,MUNIT采用自適應(yīng)實(shí)例規(guī)范化算法(adaptive instance normalization,AdaIn)的風(fēng)格特征參數(shù)[7]來融合內(nèi)容特征,以實(shí)現(xiàn)圖像風(fēng)格轉(zhuǎn)換。DRIT的轉(zhuǎn)換效果不如MUNIT,而MUNIT的轉(zhuǎn)換效果不如有監(jiān)督的多模態(tài)模型BicycleGAN[8]。但有監(jiān)督的多模態(tài)模型BicycleGAN需要成對的輸入數(shù)據(jù),這增加了數(shù)據(jù)集的獲取難度,且模型體積龐大。

    為了提高無監(jiān)督模型的輸出圖像質(zhì)量,解決局部偽影和局部特征丟失等問題,本課題組在MUNIT的基礎(chǔ)上,提出了基于通道分組注意力(channel-divided with attention,CDA)的無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型。在生成器部分,構(gòu)建通道分組注意力殘差塊。在鑒別器部分,利用多分辨率尺度的全局鑒別器對輸出圖像進(jìn)行不同分辨率尺度上的鑒別,利用局部鑒別器[9]對輸出圖像局部進(jìn)行鑒別。

    1 無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型

    1.1 模型結(jié)構(gòu)

    本文所提的無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型的主要?jiǎng)?chuàng)新點(diǎn)如下:

    1)采用通道分組注意力殘差塊構(gòu)建生成器。CDA殘差塊主要包含通道分組和通道注意力機(jī)制(ef ficient channel attention,ECA)[10-11]兩個(gè)模塊。通道分組模塊能夠?qū)崿F(xiàn)殘差塊內(nèi)的跳躍連接,減少特征丟失;ECA模塊能夠自適應(yīng)地調(diào)整特征圖通道權(quán)值,提高網(wǎng)絡(luò)對有效特征的關(guān)注度,并進(jìn)一步減少模型參數(shù)量以及體積。

    2)采用雙鑒別器結(jié)構(gòu)構(gòu)建鑒別器。多尺度全局鑒別器對輸出圖像在多分辨率尺度上進(jìn)行聯(lián)級鑒別,以提高輸出圖像的結(jié)構(gòu)連貫性與內(nèi)容完整性;局部鑒別器對輸入圖像進(jìn)行剪裁,即獲得1/4的圖像,以提高輸出圖像精度。

    3)引入 NIMA(neural image assessment)[12]美學(xué)評分模型評價(jià)風(fēng)格轉(zhuǎn)換圖像質(zhì)量。NIMA模型對輸出圖像的真實(shí)性進(jìn)行客觀評價(jià),并從圖像美學(xué)的角度評估圖像風(fēng)格是否美觀。將主觀評價(jià)結(jié)果參數(shù)化減少了人眼判斷的隨意性與主觀偏差,提高了評價(jià)過程的操作便捷性與公平性。

    無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型的訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。測試時(shí),本模型僅需輸入單張邊緣圖像或者實(shí)物圖像即可得到轉(zhuǎn)換后的風(fēng)格圖像。

    彩圖

    在圖1中,無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型為對稱結(jié)構(gòu),包含兩個(gè)結(jié)構(gòu)相同的生成器GA、GB,兩個(gè)結(jié)構(gòu)相同的風(fēng)格編碼器ESA、ESB,以及兩個(gè)結(jié)構(gòu)相同的鑒別器DA、DB。鑒別器DA由多尺度全局鑒別器GD和局部鑒別器LD組成。輸入圖像A(實(shí)物圖像)與輸入圖像B(邊緣圖像)互為各自的風(fēng)格圖像,均在生成器和風(fēng)格編碼器完成圖像內(nèi)容和風(fēng)格的編碼,進(jìn)而實(shí)現(xiàn)兩個(gè)生成器之間的交叉解碼,得到的輸出圖像再進(jìn)入鑒別器進(jìn)行鑒別以及前向反饋,最終完成整個(gè)訓(xùn)練網(wǎng)絡(luò)的調(diào)整與優(yōu)化?;谘h(huán)一致理論,無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型能實(shí)現(xiàn)實(shí)物圖像與邊緣圖像的互相轉(zhuǎn)換?,F(xiàn)有的邊緣提取算法,如Canny算子、Sobel算子等,均能檢測出清晰完整的邊緣,因此本研究不是將圖像A到圖像AB(邊緣圖像)的風(fēng)格轉(zhuǎn)換作為研究重點(diǎn),而是將圖像B到圖像BA(實(shí)物圖像)的風(fēng)格轉(zhuǎn)換作為研究重點(diǎn)。此轉(zhuǎn)換涉及的主要模塊有生成器GA、風(fēng)格編碼器ESA、鑒別器DA,轉(zhuǎn)換過程可描述如下:

    1.2 風(fēng)格編碼器

    風(fēng)格編碼器保留了MUNIT中的方法,由兩個(gè)下采樣層、一個(gè)池化層以及一個(gè)全連接層組成。提取圖像的風(fēng)格編碼后,多層感知器(multilayer perceptron,MLP)對其進(jìn)行加工處理,以一維的AdaIN參數(shù)形式融合到生成器的解碼器中,與內(nèi)容信息共同解碼,從而獲得新的風(fēng)格圖像。 MLP是一種前向的全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),每一層的單個(gè)神經(jīng)元均與下一層中的所有神經(jīng)元連接。其中,AdaIN的工作機(jī)制是,給定一個(gè)內(nèi)容圖像和一個(gè)風(fēng)格圖像,通過調(diào)整輸入的內(nèi)容圖像的均值和標(biāo)準(zhǔn)差來匹配輸入的風(fēng)格圖像,從而實(shí)現(xiàn)圖像間的風(fēng)格轉(zhuǎn)換。假設(shè)輸入的內(nèi)容圖像為c,輸入的風(fēng)格圖像為s,則AdaIN歸一化操作公式為

    式中:μ(c)、μ(s)分別為內(nèi)容圖像、風(fēng)格圖像的均值;

    σ(c)、σ(s)分別為內(nèi)容圖像、風(fēng)格圖像的標(biāo)準(zhǔn)差。

    式(2)將內(nèi)容圖像與風(fēng)格圖像的均值和標(biāo)準(zhǔn)差對齊,即通過傳遞特征統(tǒng)計(jì)信息在特征空間進(jìn)行風(fēng)格轉(zhuǎn)換。以圖1中的風(fēng)格編碼器ESA為例,在圖像風(fēng)格轉(zhuǎn)換過程中,ESA對輸入圖像A進(jìn)行編碼,提取其風(fēng)格特征信息sA,

    1.3 生成器

    生成器為編碼器-解碼器結(jié)構(gòu),其中,編碼器由兩個(gè)下采樣層和4個(gè)通道分組注意力殘差塊CDA組成,解碼器由4個(gè)通道分組注意力殘差塊CDA和兩個(gè)上采樣層組成。編碼器和解碼器的主要構(gòu)成模塊均為通道分組注意力殘差塊CDA,該殘差塊的構(gòu)建主要參考了Gao S. H.等[13]提出的res2net。res2net能夠以更細(xì)的粒度來表示多尺度特征,同時(shí)增加了每個(gè)塊內(nèi)網(wǎng)絡(luò)層的感受野,在目標(biāo)檢測、語義分割等機(jī)器視覺任務(wù)中其有效性得到證實(shí)。

    邊緣圖像中,邊緣在整張圖像中的占比遠(yuǎn)小于空白部分,過大的感受野會使邊緣信息占比更少,導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)很多無效信息,使生成的圖像質(zhì)量下降,出現(xiàn)偽影、空洞等現(xiàn)象。倘若縮小感受野,則會增加參數(shù)計(jì)算量,加重模型負(fù)擔(dān)。因此,本研究在不改變感受野大小的前提下,將殘差塊中basicblock模塊的第二層卷積層按照通道數(shù)n均分為兩個(gè)維度相同的網(wǎng)絡(luò),一個(gè)為常規(guī)3×3卷積,另一個(gè)作為淺層信息,通過concat跳躍連接[14]與卷積后的特征圖進(jìn)行拼接,重構(gòu)n通道特征圖。在改進(jìn)后的殘差塊末端引入ECA,構(gòu)建通道分組注意力殘差塊結(jié)構(gòu),如圖2所示。

    圖2 通道分組注意力殘差塊結(jié)構(gòu)Fig. 2 Structure of CDA residual block

    彩圖

    在圖2中,假設(shè)原始輸入數(shù)據(jù)為X,經(jīng)過第一層卷積后輸出Y,

    式中:W1、W2分別為第一層3×3卷積、第二層通道分組模塊的權(quán)重;

    σ為Relu激活函數(shù);

    K3為3×3卷積核;

    第二層卷積按照通道數(shù)均分為兩個(gè)網(wǎng)絡(luò),分別得到n/2通道的特征圖Y1、Y2。Y1通過跳躍連接與Y2進(jìn)行拼接,重構(gòu)n通道特征圖Z,

    殘差塊的輸出F滿足如下公式:

    通道分組是通過將特征先拆分后融合的策略,使卷積網(wǎng)絡(luò)能更高效地處理邊緣特征。這既實(shí)現(xiàn)了邊緣特征的深度提取,又實(shí)現(xiàn)了淺層邊緣特征的重復(fù)利用,保留了更多的有效信息[13]。

    隨后,F(xiàn)作為ECA層的輸入數(shù)據(jù),進(jìn)一步完成各通道權(quán)重的自適應(yīng)調(diào)整。ECA是由Wang Q. L.等提出,通過不降維且自適應(yīng)地捕捉圖像各特征圖之間的跨通道交互,自適應(yīng)地調(diào)整更新各特征圖通道的權(quán)值,并對各特征圖通道間的內(nèi)部依賴關(guān)系進(jìn)行建模,從而降低模型的復(fù)雜程度,提高網(wǎng)絡(luò)對于有效特征的關(guān)注能力。ECA結(jié)構(gòu)如圖3所示。

    圖3 ECA結(jié)構(gòu)Fig. 3 Structure of ECA

    ECA去除了全連接層,在全局平均池化后通過一個(gè)可以權(quán)重共享的一維卷積對特征圖進(jìn)行學(xué)習(xí)。該一維卷積涉及超參數(shù)k即一維卷積的卷積核尺寸,它代表了局部跨通道交互的覆蓋率。超參數(shù)k與輸入特征圖通道數(shù)C之間存在如下映射:

    因此,k為

    式(8)~(9)中γ和b為常量,γ=2,b=1。

    重構(gòu)后的特征圖F可表示為集合{ni}(i=1,2,…,n),則在ECA層中,第i個(gè)通道的局部跨通道交互權(quán)重wi為

    式中:θ為sigmoid函數(shù);

    wj為所有通道間共享的權(quán)重;為ni的k個(gè)相鄰?fù)ǖ赖募稀?/p>

    可視化通道特征通常表現(xiàn)出一定的局部周期性,因此,通過權(quán)重共享的方式捕獲局部的跨通道交互,既可以實(shí)現(xiàn)有效邊緣信息的提取與利用,又避免了捕捉跨所有通道交互所帶來的模型復(fù)雜度與計(jì)算量[10]。經(jīng)過卷積核大小為k的一維卷積后,結(jié)合式(7),通道間的信息交互權(quán)重矩陣w為

    式中Kk為k×k卷積。

    通過權(quán)重矩陣w實(shí)現(xiàn)輸出特征圖各通道的權(quán)值自適應(yīng)調(diào)整,以不降維方式捕獲更多有效邊緣信息,因此通道分組注意力殘差塊的最終輸出G為

    1.4 鑒別器

    鑒別器由兩部分組成,分別是用于鑒別整張輸出圖像的多分辨率尺度全局鑒別器GDA以及用于鑒別剪裁后局部輸出圖像的局部鑒別器LDA。全局鑒別器GDA采用多尺度結(jié)構(gòu),即先對圖像BA進(jìn)行多次降采樣操作,生成大小不同的圖像,再通過多分辨率尺度并聯(lián)鑒別,使輸出圖像的全局內(nèi)容連貫和全局結(jié)構(gòu)合理。全局鑒別器GDA包含3個(gè)不同的鑒別分辨率尺度,分別是256×256, 128×128, 64×64,每個(gè)尺度均輸出一個(gè)判斷值,隨后通過加權(quán)平均得出整個(gè)全局鑒別器的判斷值。局部鑒別器LDA為單尺度結(jié)構(gòu),其輸入為剪裁1/4的圖像BA后的圖像BAcut,大小為128×128。局部鑒別器LDA對局部圖像進(jìn)行鑒別后輸出一個(gè)判斷值,隨后與全局鑒別器GDA的判斷值通過加權(quán)平均方式計(jì)算出鑒別器DA的最終判斷值。

    全局鑒別器和局部鑒別器均采用PatchGAN[15]結(jié)構(gòu)。PatchGAN是將圖像分成若干個(gè)70×70的小塊,每個(gè)小塊輸出一個(gè)判斷值,最終根據(jù)得到大小為m×m的矩陣計(jì)算判斷值。PatchGAN可以綜合考量整張圖像不同部分的影響,使得判斷結(jié)果更加準(zhǔn)確。

    式中:E為期望;

    p(?)為圖像的分布;

    GD(i=1, 2, 3)為全局鑒別器中3個(gè)不同尺度的鑒別器;

    cB為圖像B的內(nèi)容信息;

    sA為圖像A的風(fēng)格信息。

    式中為各尺度全局鑒別器的權(quán)重系數(shù)。

    式中Acut為剪裁1/4的圖像A后的圖像。

    式中αCD、βLD分別為全局鑒別器、局部鑒別器的權(quán)重。

    鑒別器的結(jié)構(gòu)如圖4所示。

    圖4 鑒別器的網(wǎng)絡(luò)結(jié)構(gòu)Fig. 4 Network structure of discriminators

    彩圖

    1.5 目標(biāo)函數(shù)

    無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型的總體目標(biāo)函數(shù)為

    如式(17)所示,目標(biāo)函數(shù)包括4個(gè)部分。

    2)源域圖像與重構(gòu)源域圖像間的循環(huán)一致性損失LB′→B與LA′→A。

    在生成器GA中,編碼器對輸入的邊緣圖像B進(jìn)行編碼,提取其內(nèi)容編碼cB,即

    隨后,解碼器根據(jù)內(nèi)容編碼cB以及圖像A的風(fēng)格編碼sA,解碼獲得新的風(fēng)格圖像BA,即

    按照循環(huán)一致性理論,生成器獲得的風(fēng)格圖像BA也能經(jīng)編碼與解碼操作得到重構(gòu)的輸入圖像B′。B′的重構(gòu)過程如下:

    式(21)~(22)中:cBA為風(fēng)格圖像BA的內(nèi)容編碼;

    sB為輸入圖像B的風(fēng)格編碼。

    圖像B′與原始輸入圖像B之間的損失為

    同理,圖像A與重構(gòu)圖像A′之間的損失為

    對重構(gòu)圖像B′進(jìn)行風(fēng)格編碼,可得風(fēng)格編碼sB′。sB′與sB(呈正態(tài)分布)之間損失應(yīng)當(dāng)滿足如下約束關(guān)系:

    式中q(·)為風(fēng)格編碼sB的分布。

    同理,重構(gòu)圖像A′的風(fēng)格編碼sA′與風(fēng)格編碼sA之間的損失函數(shù)為

    重構(gòu)圖像B′的內(nèi)容編碼cB′與輸入圖像B的內(nèi)容編碼cB應(yīng)該是一致的,則cB′與cB之間應(yīng)當(dāng)滿足如下約束關(guān)系:

    重構(gòu)圖像A′的內(nèi)容編碼cA′與輸入圖像A的內(nèi)容編碼cA之間的損失函數(shù)為

    2 實(shí)驗(yàn)

    本實(shí)驗(yàn)是在Linux18.04系統(tǒng)、Pytorch1.0平臺完成。訓(xùn)練數(shù)據(jù)來自iGAN-project的手提包圖像集。輸入圖像和輸出圖像的大小均為256×256。為了驗(yàn)證本文方法的有效性和優(yōu)越性,用兩組不同的測試數(shù)據(jù)(數(shù)據(jù)來自iGAN-project和網(wǎng)絡(luò))測試BicycleGAN模型[8]、MUNIT模型[5]、DRIT模型[6]與本模型,利用NIMA(neural image assessment)距離[11]、LPIPS(learned perceptual image patch similarity)距離[16]評價(jià)4種模型的輸出圖像質(zhì)量,并比較模型的體積和參數(shù)量。MUNIT模型、DRIT模型和本模型均為無監(jiān)督模型,輸入數(shù)據(jù)為邊緣圖像;BicycleGAN模型為有監(jiān)督模型,輸入數(shù)據(jù)為一一對應(yīng)的“邊緣+實(shí)物”圖像對。

    2.1 評價(jià)指標(biāo)

    1)NIMA距離

    引入NIMA模型對4種模型的輸出結(jié)果進(jìn)行真實(shí)性評價(jià)。NIMA模型是由谷歌于2017年提出的模擬人眼對圖片美觀度進(jìn)行打分的模型,通過計(jì)算歸一化的EMD(Earth mover’s distance)距離(見式(29))對任意圖像生成評分直方圖,即給圖像進(jìn)行1~10的預(yù)測評分。預(yù)測評分越高,代表圖像質(zhì)量越高,圖像更加美觀。

    式中:CDFp(k)為預(yù)測評分的概率累加值,而不是獨(dú)立的預(yù)測獲得每一個(gè)評分的概率;

    當(dāng)標(biāo)簽中的評分越高,則累計(jì)概率越大。相比于人眼打分機(jī)制,NIMA模型可以避免人眼主觀性較高、觀測環(huán)境不統(tǒng)一、人眼樣本屬性不一致等因素帶來的偏差。

    2)LPIPS距離

    參考BicycleGAN、MUNIT,引入LPIPS距離對4種模型的輸出結(jié)果進(jìn)行多樣性評價(jià)。LPIPS距離由圖像深度特征間的L2距離加權(quán)獲得。參考圖像x與失真圖像x′之間的距離為

    ⊙為矢量wl對通道進(jìn)行縮放操作。

    2.2 iGAN-project的手提包圖像測試實(shí)驗(yàn)

    從NIMA距離、LPIPS距離以及模型的體積和參數(shù)量方面,比較BicycleGAN模型、MUNIT模型、DRIT模型與本模型的優(yōu)劣。測試數(shù)據(jù)來自iGAN-project的手提包圖像。

    訓(xùn)練本模型時(shí),輸入圖像為手提包邊緣圖像B,圖像B經(jīng)編碼器編碼內(nèi)容信息后與實(shí)物圖像A的風(fēng)格信息[17-18]共同解碼獲得輸出圖像BA,即不同風(fēng)格的著色手提包圖像。部分實(shí)驗(yàn)結(jié)果如圖5所示。

    圖5 手提包風(fēng)格轉(zhuǎn)換結(jié)果Fig. 5 Handbags’style conversion results

    彩圖

    與BicycleGAN、MUNIT相似,測試實(shí)驗(yàn)選取50張輸入圖像,每張輸入圖像隨機(jī)采樣獲得10張輸出圖像,計(jì)算500張輸出圖像的NIMA距離均值。對50張輸入圖像的每張圖像隨機(jī)采樣獲得38張輸出圖像,計(jì)算1900張輸出圖像的LPIPS距離均值。4種模型的實(shí)驗(yàn)結(jié)果評價(jià)如表1所示。

    表1 實(shí)驗(yàn)結(jié)果評價(jià)Table 1 Evaluation of experimental results

    由表1可知:從輸出圖像的美觀度來說,本文方法的NIMA值最高;從輸出結(jié)果的多樣性來說,本文方法與MUNIT和DRIT模型差不多,與BicycleGAN模型相比,本文方法的多樣性提升了約10%;從模型的體積與參數(shù)量來說,本文方法的模型體積最小,參數(shù)量最少。可見本文方法能夠以更小的模型體積、更少的模型參數(shù)量獲得更加美觀且多樣性的輸出結(jié)果。

    2.3 紙質(zhì)手提盒圖像測試實(shí)驗(yàn)

    在包裝的外觀設(shè)計(jì)中,從設(shè)計(jì)草圖到設(shè)計(jì)稿的過程,同樣可以看作是一次圖像間的風(fēng)格轉(zhuǎn)換。本實(shí)驗(yàn)從網(wǎng)絡(luò)選取1張紙質(zhì)手提盒圖像,生成測試數(shù)據(jù)集。按照實(shí)驗(yàn)要求,先將圖像統(tǒng)一裁剪為256×256,再利用Canny算子提取圖像邊緣,通過反相操作,獲得白色背景的邊緣圖像(見圖6)。4種模型的實(shí)驗(yàn)結(jié)果如圖7所示。

    圖6 紙質(zhì)手提盒實(shí)物圖與邊緣圖Fig. 6 Physical image and edge image of paper portable box

    由圖7可知,BicycleGAN模型、MUNIT模型以及DRIT模型的輸出圖像在局部細(xì)節(jié)上如提手與紙盒的黏合處,均存在嚴(yán)重的偽影,導(dǎo)致輸出圖像的局部邊緣細(xì)節(jié)不清晰;BicycleGAN模型和DRIT模型的輸出結(jié)果還出現(xiàn)了著色不均現(xiàn)象,一定程度上影響了輸出圖像的美觀度;本模型的輸出圖像相對擁有更為清晰的局部細(xì)節(jié),在提手與紙盒的黏合處并未出現(xiàn)肉眼可見的大面積偽影,并且圖像著色均勻,美觀度更高,整體觀感更佳。

    圖7 紙質(zhì)手提盒可視化結(jié)果對比Fig. 7 Comparison of visualization results of paper portable box

    彩圖

    對圖7中的輸出結(jié)果計(jì)算NIMA距離均值,結(jié)果如表2所示。

    表2 4種模型的NIMA距離Table 2 NIMA distance of 4 models

    由表2可知,與BicycleGAN模型、MUNIT模型以及DRIT模型相比,本模型在紙質(zhì)手提盒的平面設(shè)計(jì)中表現(xiàn)最優(yōu),與圖7的可視化效果相吻合。

    上述兩組實(shí)驗(yàn)結(jié)果證明了本文所提的無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型在包裝產(chǎn)品平面設(shè)計(jì)遷移應(yīng)用中的有效性。相較于icycleGAN模型、MUNIT模型以及DRIT模型,本模型不僅具有多樣性的輸出,而且能捕獲有效的圖像特征,增強(qiáng)圖像局部細(xì)節(jié)。

    3 結(jié)論

    針對多模態(tài)無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型MUNIT模型的輸出圖像真實(shí)性不高的問題,本文提出了一種基于通道分組注意力殘差塊的雙鑒別器無監(jiān)督模型。首先,在生成器采用基于通道注意力的深度特征提取殘差塊CDA,CDA是編碼器與解碼器的重要組成模塊。CDA利用跳躍連接提高生成器部分對于淺層圖像信息的提取與利用,并通過ECA實(shí)現(xiàn)殘差塊通道權(quán)值的自適應(yīng)調(diào)整,進(jìn)一步提高網(wǎng)絡(luò)對有效特征信息的關(guān)注度。其次,采用并聯(lián)的多分辨率尺度全局鑒別器與局部鑒別器,重構(gòu)相應(yīng)的損失函數(shù)。局部鑒別器使生成圖像擁有清晰的局部細(xì)節(jié),多分辨率尺度全局鑒別器提高生成圖像的全局內(nèi)容連貫性與結(jié)構(gòu)合理性,以更好地實(shí)現(xiàn)網(wǎng)絡(luò)優(yōu)化,獲得更高質(zhì)量的輸出圖像。實(shí)驗(yàn)結(jié)果表明:本模型不僅擁有更小的模型體積,更少的參數(shù)量,且在輸出圖像的NIMA美觀度評價(jià)以及LPIPS多樣性評價(jià)中均取得了更高的得分。此外,在包裝類產(chǎn)品的平面設(shè)計(jì)遷移任務(wù)中,本模型也獲得了較高的NIMA美觀度得分,與BicycleGAN模型、MUNIT模型以及DRIT模型相比,本模型能夠獲得局部細(xì)節(jié)更加清晰、完整的輸出圖像,減少了偽影、特征丟失等問題的產(chǎn)生,進(jìn)一步證明了本模型在圖像特征提取以及利用等方面的優(yōu)越性,同時(shí)證明了將多模態(tài)無監(jiān)督圖像風(fēng)格轉(zhuǎn)換模型應(yīng)用于包裝設(shè)計(jì)是可行的,多模態(tài)的輸出能夠?yàn)樵O(shè)計(jì)工作提供更多的設(shè)計(jì)思路。

    在包裝類產(chǎn)品的平面設(shè)計(jì)中,盡管本模型相較于BicycleGAN模型和MUNIT模型,在輸出圖像質(zhì)量上有一定的提高,但是輸出圖像還存有小面積的邊界模糊以及輕微的偽影,這將是后續(xù)研究需要解決的問題。此外,不同包裝類型產(chǎn)品相關(guān)數(shù)據(jù)的獲取,以及是否需要添加額外的特定約束條件來獲得更加真實(shí)有效的輸出等,也是后續(xù)研究方向。

    猜你喜歡
    鑒別器殘差卷積
    基于多鑒別器生成對抗網(wǎng)絡(luò)的時(shí)間序列生成模型
    基于雙向GRU與殘差擬合的車輛跟馳建模
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    衛(wèi)星導(dǎo)航信號無模糊抗多徑碼相關(guān)參考波形設(shè)計(jì)技術(shù)*
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    陣列天線DOA跟蹤環(huán)路鑒別器性能分析
    平穩(wěn)自相關(guān)過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    蜜桃国产av成人99| 成人亚洲精品一区在线观看| 精品人妻熟女av久视频| 亚洲色图 男人天堂 中文字幕 | 亚洲情色 制服丝袜| 丰满乱子伦码专区| 免费观看无遮挡的男女| 人人妻人人添人人爽欧美一区卜| 日韩伦理黄色片| 国产午夜精品久久久久久一区二区三区| 国产成人精品久久久久久| 寂寞人妻少妇视频99o| 91久久精品电影网| 国产永久视频网站| 亚洲激情五月婷婷啪啪| 久久99精品国语久久久| 2022亚洲国产成人精品| 五月伊人婷婷丁香| 成人国产av品久久久| 亚洲精品第二区| 在线观看一区二区三区激情| 国产成人精品福利久久| 精品久久久久久久久亚洲| 成人漫画全彩无遮挡| 欧美 亚洲 国产 日韩一| 亚洲精品乱码久久久v下载方式| 亚洲性久久影院| 天天操日日干夜夜撸| 亚洲精品色激情综合| 性色avwww在线观看| 国产爽快片一区二区三区| 考比视频在线观看| 交换朋友夫妻互换小说| 桃花免费在线播放| 精品久久久精品久久久| 精品亚洲乱码少妇综合久久| 夫妻性生交免费视频一级片| 精品一区二区免费观看| 美女内射精品一级片tv| 乱人伦中国视频| 亚洲中文av在线| 亚洲精品日韩av片在线观看| 黄色怎么调成土黄色| 天堂俺去俺来也www色官网| 美女中出高潮动态图| 亚洲av二区三区四区| 老司机影院毛片| 免费黄色在线免费观看| av女优亚洲男人天堂| 亚洲国产欧美在线一区| 国产精品女同一区二区软件| 黑人高潮一二区| 又粗又硬又长又爽又黄的视频| 少妇的逼好多水| 搡老乐熟女国产| 91在线精品国自产拍蜜月| av卡一久久| 人人妻人人添人人爽欧美一区卜| 一区二区三区四区激情视频| 午夜福利影视在线免费观看| 欧美成人精品欧美一级黄| 久久久久久久大尺度免费视频| 国产无遮挡羞羞视频在线观看| 蜜桃久久精品国产亚洲av| 日本欧美视频一区| 在线精品无人区一区二区三| 黑丝袜美女国产一区| 人成视频在线观看免费观看| 亚洲熟女精品中文字幕| 黄色怎么调成土黄色| 香蕉精品网在线| 日韩,欧美,国产一区二区三区| 久久99精品国语久久久| 久久久国产一区二区| 免费看光身美女| 香蕉精品网在线| av在线app专区| 国产av一区二区精品久久| 伊人久久精品亚洲午夜| 少妇高潮的动态图| 日本免费在线观看一区| 国产有黄有色有爽视频| 五月伊人婷婷丁香| 黄片播放在线免费| 精品一区二区三区视频在线| 久久久久国产精品人妻一区二区| 亚洲精品国产av蜜桃| 免费人成在线观看视频色| 99re6热这里在线精品视频| av.在线天堂| 伊人久久精品亚洲午夜| 久久av网站| 免费观看av网站的网址| 欧美人与性动交α欧美精品济南到 | 中文字幕精品免费在线观看视频 | 日本vs欧美在线观看视频| 汤姆久久久久久久影院中文字幕| 欧美激情极品国产一区二区三区 | 亚洲国产精品国产精品| 国产精品国产av在线观看| 熟女电影av网| 少妇被粗大猛烈的视频| 国产国拍精品亚洲av在线观看| 黑丝袜美女国产一区| 国产一级毛片在线| 欧美少妇被猛烈插入视频| 99精国产麻豆久久婷婷| 久久久精品区二区三区| 一级a做视频免费观看| 夫妻性生交免费视频一级片| 丰满饥渴人妻一区二区三| 亚洲av福利一区| 国产白丝娇喘喷水9色精品| 久久人人爽人人片av| 亚洲av.av天堂| 日韩,欧美,国产一区二区三区| 水蜜桃什么品种好| 亚洲一级一片aⅴ在线观看| 成年人免费黄色播放视频| 狂野欧美激情性bbbbbb| 一本—道久久a久久精品蜜桃钙片| 国产成人freesex在线| 国产精品99久久99久久久不卡 | 国产精品一区二区三区四区免费观看| 亚洲欧美中文字幕日韩二区| 亚洲国产av影院在线观看| 日韩成人伦理影院| 亚洲国产精品成人久久小说| 亚洲国产av影院在线观看| 国产在线视频一区二区| 久久久久国产精品人妻一区二区| 亚洲精品乱久久久久久| 久久女婷五月综合色啪小说| 亚洲成人一二三区av| 激情五月婷婷亚洲| 人成视频在线观看免费观看| 久久久a久久爽久久v久久| 美女内射精品一级片tv| 精品久久久久久久久亚洲| 人妻一区二区av| 免费黄色在线免费观看| 久久久国产一区二区| 欧美三级亚洲精品| 中文字幕人妻熟人妻熟丝袜美| 国精品久久久久久国模美| 大香蕉久久成人网| av视频免费观看在线观看| 2021少妇久久久久久久久久久| 亚洲欧美成人综合另类久久久| 久久精品国产亚洲av涩爱| 秋霞在线观看毛片| 黑人猛操日本美女一级片| 寂寞人妻少妇视频99o| 免费黄频网站在线观看国产| 精品少妇内射三级| 欧美bdsm另类| 国产一区二区三区综合在线观看 | 91久久精品国产一区二区成人| 国产精品偷伦视频观看了| 日日摸夜夜添夜夜添av毛片| 九色亚洲精品在线播放| 日韩av免费高清视频| 国产成人精品久久久久久| 一个人免费看片子| 一级毛片我不卡| 国产一区二区在线观看av| 波野结衣二区三区在线| 高清毛片免费看| 国产成人av激情在线播放 | 久久久久精品久久久久真实原创| 亚洲在久久综合| 人妻系列 视频| 日韩强制内射视频| 这个男人来自地球电影免费观看 | 夜夜骑夜夜射夜夜干| 七月丁香在线播放| 九九在线视频观看精品| 久久精品国产亚洲av天美| 91精品国产国语对白视频| 26uuu在线亚洲综合色| av有码第一页| 极品少妇高潮喷水抽搐| 欧美成人精品欧美一级黄| 免费看不卡的av| 在线天堂最新版资源| 一级毛片黄色毛片免费观看视频| 永久网站在线| 国产免费福利视频在线观看| 亚洲国产精品一区二区三区在线| 99久久中文字幕三级久久日本| 永久免费av网站大全| 人人妻人人爽人人添夜夜欢视频| 狠狠精品人妻久久久久久综合| 能在线免费看毛片的网站| 精品午夜福利在线看| 久久热精品热| 亚洲在久久综合| 日日啪夜夜爽| 久久久久网色| av天堂久久9| 少妇丰满av| 日本wwww免费看| xxxhd国产人妻xxx| 国产精品99久久99久久久不卡 | 美女国产高潮福利片在线看| 亚洲欧美一区二区三区国产| 国产亚洲一区二区精品| 80岁老熟妇乱子伦牲交| 国产无遮挡羞羞视频在线观看| 一级毛片我不卡| 一级毛片电影观看| 精品国产乱码久久久久久小说| 免费观看av网站的网址| 久久久欧美国产精品| 熟妇人妻不卡中文字幕| 精品卡一卡二卡四卡免费| 免费久久久久久久精品成人欧美视频 | 亚州av有码| 只有这里有精品99| 欧美最新免费一区二区三区| 国产免费又黄又爽又色| 国产精品一二三区在线看| 男男h啪啪无遮挡| 国产成人精品婷婷| 蜜臀久久99精品久久宅男| 伦理电影大哥的女人| 男人添女人高潮全过程视频| 免费看av在线观看网站| 丰满少妇做爰视频| 亚洲欧洲精品一区二区精品久久久 | 七月丁香在线播放| 91国产中文字幕| 久久国产精品大桥未久av| 国产淫语在线视频| 国产熟女欧美一区二区| 日韩av在线免费看完整版不卡| av网站免费在线观看视频| 欧美激情国产日韩精品一区| 老女人水多毛片| 国产亚洲一区二区精品| 国模一区二区三区四区视频| 一级毛片电影观看| 日本wwww免费看| 亚洲精品亚洲一区二区| 国产男女超爽视频在线观看| 蜜桃在线观看..| av黄色大香蕉| 国产精品国产三级国产专区5o| 亚洲婷婷狠狠爱综合网| 欧美国产精品一级二级三级| 观看av在线不卡| av黄色大香蕉| 性色av一级| 国精品久久久久久国模美| 亚洲内射少妇av| 日本wwww免费看| 亚洲精品,欧美精品| 最近中文字幕2019免费版| 一级毛片aaaaaa免费看小| 亚洲国产成人一精品久久久| 亚洲国产精品成人久久小说| 91精品国产国语对白视频| 国产亚洲最大av| 女人精品久久久久毛片| 国产一区二区三区av在线| 国产女主播在线喷水免费视频网站| av有码第一页| 久久亚洲国产成人精品v| 乱码一卡2卡4卡精品| 国产69精品久久久久777片| 2021少妇久久久久久久久久久| 日本爱情动作片www.在线观看| 精品久久国产蜜桃| 亚洲国产av新网站| 亚洲精品,欧美精品| 纵有疾风起免费观看全集完整版| 女性生殖器流出的白浆| 尾随美女入室| 久久这里有精品视频免费| 国产日韩欧美亚洲二区| 91精品国产九色| 日韩 亚洲 欧美在线| 国语对白做爰xxxⅹ性视频网站| 人人妻人人添人人爽欧美一区卜| 一级a做视频免费观看| 99久久中文字幕三级久久日本| 日韩中字成人| 国产黄色免费在线视频| 国产免费一级a男人的天堂| 久久久久久久久久人人人人人人| 熟女av电影| 成年女人在线观看亚洲视频| 免费黄频网站在线观看国产| 免费黄网站久久成人精品| 亚洲成人一二三区av| 久久精品夜色国产| 日本欧美国产在线视频| 精品卡一卡二卡四卡免费| 日本av手机在线免费观看| 搡老乐熟女国产| 免费av中文字幕在线| 久久久国产一区二区| 国产精品国产三级国产av玫瑰| 久久精品久久久久久噜噜老黄| 日产精品乱码卡一卡2卡三| 伊人亚洲综合成人网| 国产精品久久久久久久电影| 亚洲无线观看免费| 欧美激情 高清一区二区三区| 午夜av观看不卡| 国产精品一区二区在线不卡| 国产亚洲精品久久久com| 在线亚洲精品国产二区图片欧美 | 超色免费av| 狂野欧美激情性xxxx在线观看| 卡戴珊不雅视频在线播放| 男男h啪啪无遮挡| 久久午夜福利片| 一本久久精品| 国内精品宾馆在线| 老司机影院成人| a 毛片基地| 一级黄片播放器| 丰满饥渴人妻一区二区三| 欧美精品亚洲一区二区| 最近的中文字幕免费完整| 久久精品夜色国产| 国产精品嫩草影院av在线观看| 大香蕉97超碰在线| 日韩欧美一区视频在线观看| 91国产中文字幕| 中国国产av一级| 久久精品夜色国产| 夜夜爽夜夜爽视频| 成人免费观看视频高清| 午夜av观看不卡| 中国国产av一级| 在线免费观看不下载黄p国产| 老女人水多毛片| 久久这里有精品视频免费| a级片在线免费高清观看视频| 久久亚洲国产成人精品v| 伊人久久精品亚洲午夜| 日韩熟女老妇一区二区性免费视频| 亚洲人成77777在线视频| 免费观看av网站的网址| 美女大奶头黄色视频| 日本-黄色视频高清免费观看| 欧美老熟妇乱子伦牲交| 国模一区二区三区四区视频| 男女边吃奶边做爰视频| 精品久久久久久久久亚洲| 亚洲美女视频黄频| av免费在线看不卡| 自拍欧美九色日韩亚洲蝌蚪91| 黑人猛操日本美女一级片| 久久影院123| 校园人妻丝袜中文字幕| 国产精品久久久久久av不卡| 美女内射精品一级片tv| 春色校园在线视频观看| 国产片特级美女逼逼视频| 免费黄色在线免费观看| 91精品国产九色| 97在线人人人人妻| 日韩视频在线欧美| 国产精品不卡视频一区二区| 久久久久国产网址| 国产熟女欧美一区二区| 纵有疾风起免费观看全集完整版| 最新的欧美精品一区二区| 午夜日本视频在线| 亚洲熟女精品中文字幕| 日本vs欧美在线观看视频| 国产男女内射视频| 视频中文字幕在线观看| 亚洲高清免费不卡视频| 成年人午夜在线观看视频| 性色av一级| 高清在线视频一区二区三区| 成人综合一区亚洲| 午夜免费男女啪啪视频观看| 国产欧美亚洲国产| 欧美三级亚洲精品| 超色免费av| 国产成人91sexporn| 国国产精品蜜臀av免费| 啦啦啦中文免费视频观看日本| 午夜91福利影院| 最近2019中文字幕mv第一页| 欧美 日韩 精品 国产| 老女人水多毛片| 久久亚洲国产成人精品v| 老司机影院毛片| 91午夜精品亚洲一区二区三区| 哪个播放器可以免费观看大片| 一本色道久久久久久精品综合| 成人影院久久| 王馨瑶露胸无遮挡在线观看| a 毛片基地| 亚洲人成网站在线播| 久久婷婷青草| 岛国毛片在线播放| 纵有疾风起免费观看全集完整版| 五月伊人婷婷丁香| 午夜激情久久久久久久| 久久精品久久精品一区二区三区| 国内精品宾馆在线| 特大巨黑吊av在线直播| 在线观看免费视频网站a站| 免费大片黄手机在线观看| 天堂中文最新版在线下载| 成人手机av| 国产男人的电影天堂91| 国精品久久久久久国模美| 国产精品99久久99久久久不卡 | 亚洲精品国产色婷婷电影| 一区二区三区免费毛片| 韩国高清视频一区二区三区| av在线老鸭窝| 久久久久国产网址| 日韩人妻高清精品专区| 国产一区二区在线观看av| 在线观看国产h片| 夜夜骑夜夜射夜夜干| 丝袜在线中文字幕| 久久这里有精品视频免费| 人体艺术视频欧美日本| 久久99精品国语久久久| 色婷婷久久久亚洲欧美| 大陆偷拍与自拍| 日韩成人av中文字幕在线观看| 免费看不卡的av| 亚洲性久久影院| 国产一区二区在线观看av| 精品99又大又爽又粗少妇毛片| 少妇被粗大猛烈的视频| 亚洲精品中文字幕在线视频| 最新的欧美精品一区二区| 老司机影院成人| 高清午夜精品一区二区三区| 性色avwww在线观看| .国产精品久久| 亚洲成人手机| 人妻制服诱惑在线中文字幕| 18禁在线播放成人免费| 午夜影院在线不卡| 国产精品无大码| 秋霞在线观看毛片| 男女免费视频国产| 春色校园在线视频观看| 成人免费观看视频高清| 成人18禁高潮啪啪吃奶动态图 | 国产精品一区二区在线观看99| 欧美亚洲 丝袜 人妻 在线| 欧美日韩综合久久久久久| 亚洲天堂av无毛| 久久人人爽av亚洲精品天堂| 51国产日韩欧美| 黄色欧美视频在线观看| 免费av不卡在线播放| 最黄视频免费看| 少妇 在线观看| 22中文网久久字幕| 久久久久网色| 久久女婷五月综合色啪小说| 国产精品免费大片| 久久精品国产亚洲av天美| 伊人亚洲综合成人网| 美女内射精品一级片tv| 精品人妻在线不人妻| 26uuu在线亚洲综合色| 简卡轻食公司| 国产精品一区二区三区四区免费观看| 在线观看国产h片| a级片在线免费高清观看视频| 国产视频首页在线观看| 97在线人人人人妻| 精品国产露脸久久av麻豆| 七月丁香在线播放| 夜夜骑夜夜射夜夜干| 免费少妇av软件| 91久久精品电影网| 男女高潮啪啪啪动态图| 国产黄色视频一区二区在线观看| 日韩欧美一区视频在线观看| 久久久久久久久久久久大奶| 免费av中文字幕在线| 日韩一区二区三区影片| 伦精品一区二区三区| 亚洲色图 男人天堂 中文字幕 | 在线观看人妻少妇| 亚洲欧美一区二区三区黑人 | 亚洲国产精品999| 国产成人精品婷婷| 内地一区二区视频在线| 亚洲一区二区三区欧美精品| 毛片一级片免费看久久久久| av专区在线播放| 国产国语露脸激情在线看| 简卡轻食公司| 波野结衣二区三区在线| 久久影院123| 国产免费又黄又爽又色| 女人精品久久久久毛片| 国产乱人偷精品视频| 肉色欧美久久久久久久蜜桃| 精品久久国产蜜桃| 麻豆精品久久久久久蜜桃| 欧美人与善性xxx| 少妇人妻 视频| 国产亚洲精品久久久com| 秋霞伦理黄片| 日本与韩国留学比较| 国产高清有码在线观看视频| 久久精品国产a三级三级三级| 狠狠婷婷综合久久久久久88av| 久久久久视频综合| 九色亚洲精品在线播放| 亚洲,欧美,日韩| 搡女人真爽免费视频火全软件| av电影中文网址| 80岁老熟妇乱子伦牲交| 亚洲精品日韩av片在线观看| 久久国产亚洲av麻豆专区| 亚洲不卡免费看| 久久99一区二区三区| 一级二级三级毛片免费看| 纯流量卡能插随身wifi吗| 亚洲人成77777在线视频| 国产男女内射视频| 美女视频免费永久观看网站| 久久久久久久久久人人人人人人| 国产亚洲欧美精品永久| 国产无遮挡羞羞视频在线观看| 国产白丝娇喘喷水9色精品| 亚州av有码| 亚洲精品第二区| 女性生殖器流出的白浆| 中文精品一卡2卡3卡4更新| 秋霞在线观看毛片| 亚洲精品av麻豆狂野| 韩国av在线不卡| 国产精品99久久久久久久久| 日韩不卡一区二区三区视频在线| av不卡在线播放| 97超碰精品成人国产| 99热国产这里只有精品6| 五月天丁香电影| 亚洲在久久综合| 女人精品久久久久毛片| 亚洲精品第二区| 久久女婷五月综合色啪小说| 亚洲欧洲日产国产| 久久久久久久国产电影| 日本-黄色视频高清免费观看| 欧美少妇被猛烈插入视频| 蜜桃国产av成人99| 寂寞人妻少妇视频99o| 国产综合精华液| av在线app专区| 国产精品国产三级专区第一集| 少妇猛男粗大的猛烈进出视频| 日韩精品免费视频一区二区三区 | 亚洲欧美中文字幕日韩二区| 一个人看视频在线观看www免费| 亚洲综合色惰| 国产精品一二三区在线看| 全区人妻精品视频| 国产日韩一区二区三区精品不卡 | av专区在线播放| 亚洲美女视频黄频| 最近的中文字幕免费完整| 欧美日韩综合久久久久久| 9色porny在线观看| 国产亚洲av片在线观看秒播厂| 黄片无遮挡物在线观看| 2021少妇久久久久久久久久久| 伊人久久精品亚洲午夜| 大码成人一级视频| 蜜桃久久精品国产亚洲av| 亚洲精品亚洲一区二区| 精品久久久精品久久久| 高清视频免费观看一区二区| 中文精品一卡2卡3卡4更新| 成年av动漫网址| 一区二区三区精品91| 大香蕉97超碰在线| 国产精品一区二区三区四区免费观看| 久久久精品94久久精品| 精品人妻一区二区三区麻豆| 欧美亚洲 丝袜 人妻 在线| 老司机影院成人| 久久久国产精品麻豆| 黑人欧美特级aaaaaa片| 国产成人精品一,二区| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产精品国产精品| 最近最新中文字幕免费大全7| 成人午夜精彩视频在线观看| 最近中文字幕高清免费大全6| 九草在线视频观看| 免费观看无遮挡的男女| 国产欧美亚洲国产| 人人妻人人添人人爽欧美一区卜| 精品人妻熟女毛片av久久网站| 校园人妻丝袜中文字幕| 亚洲国产日韩一区二区| 91在线精品国自产拍蜜月| 精品少妇黑人巨大在线播放| 91精品伊人久久大香线蕉| 国产有黄有色有爽视频| 嫩草影院入口| 五月开心婷婷网| 校园人妻丝袜中文字幕|