ICCVSep, 2017

基于条件类比的 GAN：在人像图像中交换时尚物品

PDF
TL;DR该研究提出了一种基于深度卷积神经网络和条件类比生成对抗网络的图像类比问题求解方法，可以通过训练数据中成对图像的关系来生成具有该关系的图像，并且可以在时尚模特照片上自动交换服装，目前的实验结果表明该方法可以学习到成对图像间隐性的分割掩模，生成的图片效果较好，并提出了神经网络结构的改进和更高级的应用方向。
image analogyconditional analogy generative adversarial networkdeep convolutional neural networksfashion model photosneural network architecture
发现论文，激发创造
  • c+GAN: 互补时尚单品推荐

    本文提出一种基于条件生成对抗模型的技术，能够从成对的时尚服装分布中绘制逼真的样本，并提供真实样本来匹配任意的时尚单元，旨在解决任意衣物配对问题。

    Jun, 2019

  • GarmentGAN：照片逼真对抗时尚转换

    GarmentGAN 是一种使用生成对抗方法进行图像化服装转移的算法，可以根据用户提供的两张图像，合成新的虚拟试衣图片，通过在训练中加入分割地图和人体关键点信息，提升了图像的真实性和效果。

    Mar, 2020

  • 利用生成对抗网络进行服装设计

    本文探讨了生成对抗网络的应用在时尚设计上的可能性。实验表明，基于属性的 GAN（AttGAN）可以成功编辑时装的视觉特性，但也提示着 GAN 在设计概念的属性级别编辑上所存在的一些关键限制和未来需要解决的研究问题。

    Jul, 2020

  • 利用对抗生成网络进行语义生成操作

    本文提出了一种对物体进行语义操纵的新的生成对抗网络方法，使用对比对抗目标而不是直接将合成样本接近目标数据，以生成具有高可视度和合理的对象语义的操作结果，并在多个语义操作任务上展示了我们的模型的优越性。

    Aug, 2017

  • 用生成式对抗网络实现无监督图像翻译

    介绍了一种基于深度卷积神经网络以及条件生成式对抗网络的通用方法，通过非监督学习来解决图像转换问题，实现了不同域之间的图像转换，并且在多样性方面表现出了很好的通用性。

    Jan, 2017

  • 利用 GAN 和孪生网络从真实照片匹配服装的 PoshakNet 框架

    提出使用基于 GAN 和 Siamese 网络的视觉搜索框架，可以从输入的照片中提取被穿着的服装并与数据集中的服装进行匹配，以帮助在线购物客户更好地搜索商品。

    Nov, 2019

  • 用双投影生成对抗网络进行条件图像生成

    本论文提出了一个双重投影生成对抗网络 (P2GAN) 模型，学习在数据匹配和标签匹配之间平衡的方法，并通过改善条件生成式对抗网络 (cGAN) 模型中的配对方法解决了分类困难的问题，实验结果表明其在多个真实数据集上具有良好的效果。

    Aug, 2021

  • 成为自己的普拉达：具有结构连贯性的时尚合成

    本文提出了一种通过生成对抗学习在穿着者身上生成新的服装的新颖有效方法，该方法通过语言描述并在保持穿着者及其姿势不变的同时恰当地更换服装，并通过将复杂的生成过程分解为两个有条件的阶段来解决现有生成对抗网络中的结构相容性问题，该文章通过收集 79K 张图片的句子描述和定量、定性测试展示了该方法的有效性。

    Oct, 2017

  • SGAN：一种生成对抗网络的替代训练方法

    本研究探讨了一种名为 SGAN 的备选训练方法，通过该方法，多个对抗的 “本地” 网络对可独立进行训练，以便 “全局” 监督网络可以针对它们进行训练，以提高模式覆盖性能。实验结果表明，该方法在减轻模式崩溃、稳定收敛和加速收敛方面都表现出优于标准训练的性能。

    Dec, 2017

  • CIAGAN: 有条件身份匿名的生成对抗网络

    该论文提出了一种基于条件生成对抗网络的图像视频去标识化模型 CIAGAN，可以同时保证匿名性和多样性，用于保护隐私并在计算机视觉任务中得到高质量处理结果。

    May, 2020