Jan, 2019

无配对姿势引导的人类图像生成

HTML
PDF
TL;DR本研究旨在通过限定人体的粗略轮廓并控制特定服装类型实现真实人体图像的完整生成建模。我们提出了一种端到端可训练的生成式对抗网络架构，它提供了细节控制来生成具有高逼真度的图片，同时无需成对的训练数据，不必拟合 3D 姿势到 2D 图像的困难问题。该模型允许对基于目标领域的图像或标记特定的类别样式（例如 T 恤）进行条件生成。我们对该架构和每个独立要素的贡献进行了充分的实验评估，并通过大规模知觉研究表明，我们的方法可以生成逼真的图像，并且如果面部被模糊化，参与者很难识别真实的图片和虚假的图片之间的区别。
发现论文，激发创造
  • 像素级领域转换

    本文提出了一种基于图像条件生成的模型，该模型在语义级别上将输入域转换为目标域，并在像素级别上生成目标图像。为了生成逼真的目标图像，我们采用了生成对抗网络中的真实/假的鉴别器，并引入了新颖的域鉴别器，使生成的图像与输入图像相关。我们通过生成一个穿着人物的输入图像来验证我们的模型，同时提出了一个高质量的服装数据集，成功地展示了不错的结果。

    Mar, 2016

  • 一种穿着衣物的人的生成模型

    本文提出了第一个基于图像的全身穿着人群生成模型，通过从大规模图像数据库中学习生成模型，我们克服了人体姿态、形状和外观方面的高变异性挑战，并提出了一种可分解生成模型以生成逼真的人物图像。该方法有效地实现了数据驱动的人物生成方法。

    May, 2017

  • 姿势引导的人像图像生成

    本论文提出了新颖的姿势引导人物生成网络（PG2），该网络可以基于人的图像和新颖的姿态来合成人体图像。PG2的生成框架明确利用了姿势信息，并包含两个关键阶段：姿势整合和图像细化。实验表明，该模型可以生成高质量、具有令人信服细节的人体图像。

    May, 2017

  • 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

  • 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

  • 使用深度生成模型进行姿势引导的时尚图像合成

    本文提出了一种基于新颖的深度生成模型的图像迁移方法，可以在保持服装一致的情况下将一个人的图像从一个给定的姿势转移至一个新的姿势，使用图像编码器、姿势编码器和解码器的结构，同时利用两个鉴别器来指导产生过程。经过严格的实验，在两个数据集上定量和定性地验证了该方法的效果。

    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

  • 单目视角下的人类图像综合的风格和姿态控制

    本文提出了一种新方法，称为StylePoseGAN，用于合成具有姿势和部位外观显式控制的照片真实感的人类图像，并能够将其用于虚拟换装、动作模仿和新视角合成等应用中。

    Feb, 2021

  • HumanGAN：一种生成人类图像的模型

    本研究设计了一种人类图像生成的生成模型，能够控制姿势，不同身体局部的外貌以及服装风格，能够生成高逼真度的图像，并在不同方面表现出色，如姿态控制、部位和服装转移以及关节采样。

    Mar, 2021

  • AG3D: 从2D图像集合中学习生成3D头像

    本文提出了一种从2D图像生成逼真的3D人物的新方法，并使用多个辨别器和2D法线图形式的几何线索来训练模型，取得了在几何和外观方面超过以前3D和关节感知方法的性能，通过系统的消融研究验证了模型的有效性和每个组件的重要性。

    May, 2023