Aug, 2020

姿态引导的人像生成与动画的深度空间转换

PDF
TL;DR本文提出 “可微分的全局流本地注意力框架”，以空间转换输入，实现人像生成和动画等多项任务，同时通过建模时间一致性，生成协调的视频，该框架在多项任务中表现优异，包括新视角合成和面部图像动画。
pose-guided person image generationconvolutional neural networksglobal-flow local-attention frameworktemporal consistencynovel view synthesis
发现论文，激发创造
  • 深度图像空间变形用于人物图像生成

    本文提出一种不同于传统 CNN 的可微分全局流本地注意力框架来进行姿势引导的人体图像生成，该模型通过预测流场来进行全局相应，通过提取特征图中的局部补丁对局部注意力系数进行计算来生成新的人体图像，实验结果表明该方法优于传统方法，同时也适用于其他要求空间变换的任务。

    Mar, 2020

  • 利用姿势分解和语义相关性实现结构感知的人像生成

    本文介绍了一种基于结构感知流的方法，利用语义部分将人体分解，来应对人物姿态变换并生成高质量图像，网络模块能够有效地捕捉人体局部和全局语义特征，实验结果表明，该方法在生成高质量图像方面胜过其他方法。

    Feb, 2021

  • 逐步姿态注意力转移用于人像生成

    提出了一种新的生成式对抗网络，用于姿势转移，其生成器由一系列姿势注意传输块组成，可以生成具有更好外观一致性和形状一致性的图像，此方法能够为人物重新识别生成训练图像，并提高具体实现的效率和有效性。

    Apr, 2019

  • 区域自适应规范化在语义人像生成中的应用

    提出了一种新的两阶段框架来处理姿势和外观的转化，通过区域自适应规范化，利用区域风格指导目标外观生成，生成更语义化、一致性和逼真的结果。

    Apr, 2021

  • 基于注意力融合的多源人体图像生成

    我们提出了一个通用的人像生成任务的泛化方法，通过目标姿势和一组源外观图像生成一个人像，基于本地关注机制选择不同源图像区域的相关信息，避免了为每个特定的 X 基数构建特定生成器的必要性，并通过实证评估验证了在多源环境中解决人像生成问题的实用性。

    May, 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

  • 基于软门控制的 Warping-GAN 实现姿势引导的人像合成

    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。

    Oct, 2018

  • 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

  • 无参数空间注意力网络用于人员再识别

    本研究提出了一种新的参数 - free 的空间注意力层来建模高层特征之间的空间关系，该层相比于没有该层的模型有显著的性能改进，并在四个基准测试中实现了最先进的结果，其中 Market-1501 的 rank-1 准确度为 94.7％，DukeMTMC-ReID 的 rank-1 准确度为 89.0％，CUHK03-labeled 和 CUHK03-detected 的 rank-1 准确度分别为 74.9％和 69.7％。

    Nov, 2018

  • STARFlow：面向现实世界场景流的空间时序特征重新嵌入与注意力学习

    场景流预测是理解动态场景的关键任务之一，本文提出了全局注意力流嵌入、空时特征重新嵌入和领域自适应损失等方法来解决流估计中的关键挑战，并在各种数据集上取得了最先进的性能。

    Mar, 2024