学习残缺图像以进行人脸属性操纵

Dec, 2016

学习残缺图像以进行人脸属性操纵

Learning Residual Images for Face Attribute Manipulation

Wei Shen, Rujie Liu

TL;DR该论文提出了一种面部属性操作方法，基于生成对抗网络，并使用图像转换网络和鉴别网络。通过学习前后图像的差异，来实现属性操作，并使用双向学习方法。实验结果表明，该方法可以有效地进行面部属性操作，保留了不相关部位的细节。

Abstract

face attributes are interesting due to their detailed description of human faces. Unlike prior researches working on attribute prediction, we address an inverse and more challenging problem called face attribute manipul

face attributes attribute manipulation generative adversarial network image transformation networks dual learning

发现论文，激发创造

图像操作中的监督属性信息去除和重建

本文提出了一种 Attribute Information Removal and Reconstruction（AIRR）网络，通过学习如何完全去除属性信息创建不包含属性信息的特征，然后学习在重建图像中直接注入所需属性，以避免信息隐藏问题，并在四个数据集上评估。结果表明，与先前的工作相比，我们的模型平均提高了 10％的属性操作准确性和 top-k 检索率，用户研究也表明 AIRR 操作的图像在高达 76％的情况下优于先前的工作。

Jul, 2022

MulGAN：基于样例的人脸属性编辑

本文中提出的基于属性标签限制的模型，可以通过在预定义的潜在特征空间中直接应用属性标签并使用属性分类损失，从图像中提取属性相关信息，以实现用于编辑多个属性的面部属性传输，同时通过设计新的模型结构来提高属性传输能力。在 CelebA 数据集上的实验结果表明，该方法有效地克服了其他方法存在的三个限制。

Dec, 2019

FashionSearchNet-v2: 使用特征位置定位学习属性表示，用于带属性操纵的图像检索

本文提出了一种基于属性操控的图像检索方法，使用 FashionSearchNet-v2 架构学习属性特定表示，并通过弱监督定位模块提高相似性学习，所得的本地表示基于被指导的属性操控合并为单个全局表示，在多个数据集上展示了 FashionSearchNet-v2 的优越性和可泛化性。

Nov, 2021

半潜变分生成对抗网络：通过属性学习生成和修改人脸图像

本文提出使用 Semi-Latent Facial Attribute Space (SL-FAS) 和 SL-GAN 模型学习人脸图像生成和修改，通过实验验证了该模型的有效性，并提出迭代训练算法。

Apr, 2017

AttGAN: 仅修改您想修改的部分的面部属性编辑

本研究旨在改变面部图像的一个或多个属性，并保持其他细节，使用生成敌对网络（GAN）和编码器 - 解码器架构来确保高质量的面部特征编辑。