Oct, 2018

基于软门控制的 Warping-GAN 实现姿势引导的人像合成

PDF
TL;DR本文介绍了 Soft-Gated Warping Generative Adversarial Network（Warping-GAN）的开发，该网络利用了灵活轻便的规避块，以在生产人像时处理任意姿势等大尺度几何变换，并在两个大型数据集上得到了显着优越的表现。
image synthesisgenerative modelspose manipulationspatial displacementwarping-gan
发现论文，激发创造
  • 液态变形 GAN: 一种用于人体动作模仿，外观转移和新视角合成的统一框架

    本文提出了一种基于 3D 人体网格恢复的单一框架，涉及到人体运动模仿、外观转移和新视角合成；同时使用液态变形 GAN 进行纹理、样式、颜色和面部等特征的提取和特征空间的传播，支持多个源的自适应扭曲。

    Sep, 2019

  • 姿态与风格：基于条件 StyleGAN 的保留细节的姿态引导图像合成

    本文提出了一种基于单个图像的算法来重新渲染人物在各种姿态下的效果，并通过人体对称先验来学习插画对应关系，使用 StyleGAN 生成器控制外观和姿态，比现有技术表现更好

    Sep, 2021

  • 一个强健的姿态变换 GAN 用于姿态控制的人体图像合成

    利用残差学习的方法，结合有效的数据增强技术，提出一种简单而有效的姿态转换 GAN，在不需使用额外功能学习的情况下，在任意姿态下生成给定的人体图像。该方法在两个大型数据集上展现出比现有方法更优越的性能，实现了在光照、遮挡、失真和尺度方面的鲁棒性。

    Jan, 2020

  • 基于姿态的人类图像生成的可变形 GANs

    本文提出了一种基于 GAN、可变形跳跃连接和最近邻损失的方法，用于合成给定姿势下的人物图像，并在各项指标上取得了最先进的结果。

    Dec, 2017

  • 基于注意力机制的液态变形 GAN：人体图像合成的统一框架

    本研究提出了一种综合框架，通过使用三维身体网格恢复模块来脱离人体姿势和形状，结合注意力液态变形生成对抗网络以及一 / 少量样本对抗性学习，控制姿势，身体形状，面部身份，纹理，衣服细节等信息的综合合成和移植， 可以实现人体图像合成（包括人体动作模仿，外观转移和新视角合成）的高可靠性。

    Nov, 2020

  • 任意姿态下无监督人物图像合成

    本文提出了一种使用生成式对抗学习的新方法，用于综合产生任意姿势的具有照片级真实感的人物图像。研究通过无监督的方式来处理此问题，并且将其分解成两个主要子任务，一是姿势条件的双向生成器，二是定义一个新型的损失函数，包含内容和风格项，旨在生成高感知质量的图像，可以在 DeepFashion 数据集上进行广泛的实验验证。

    Sep, 2018

  • DwNet: 密集基于光流场的人体姿态引导视频生成网络

    该研究报告介绍了一种基于 GAN 的架构 DwNet，利用密集的姿态引导表示和改进的过程，将源图像中所需的主体外观，以纹理的形式，从一种姿势变换成所需的姿势，进而生成具有时序一致性的高分辨率人像视频，并在两个基准数据集上展现出先进的性能表现

    Oct, 2019

  • 姿势引导的人体视频生成

    本文提出了一种基于姿态引导的方法来以可分离的方式合成人类视频：可信的运动预测和协调的外观生成，旨在探索并掌握视频合成中人体姿态的本质动态和诠释能力，并在保持外观连贯性的同时处理异常和嘈杂数据，实验证明其优于现有技术。

    Jul, 2018

  • 基于语义解析变换的无监督人物图像生成

    本文提出了一种无监督学习的姿态引导的人物图像生成方法，通过将生成人体的硬映射分解为语义解析和外貌生成两个子任务的形式，实现了人体的变形生成。

    Apr, 2019

  • 利用可变形 GAN 生成具有外貌和姿势条件的人类图像

    本文提出了一种基于姿势和外貌信息生成人物图像的方法，使用带有 “可变形跳跃连接” 的生成对抗网络来解决像素对像素的错位，并使用最近邻损失来匹配生成图像中的细节与目标图像。实验结果表明，这种方法在人物再识别任务中具有很好的性能表现。

    Apr, 2019