Nov, 2020

StyleSpace 分析:StyleGAN 图像生成的解耦控制

TL;DR通过对预先训练在多个数据集上的模型进行分析,本文探讨和分析了 StyleGAN2 的潜在样式空间,发现 StyleSpace 的通道式样式参数空间显著比前人的其他中间潜变空间更具解开性,提出了一种通过 StyleSpace 控制实现更好的视觉属性解开性的方法,最终展示了应用 StyleSpace 控制实现对真实图像的操作,为通过简单而直观的接口实现具有语义意义的、良好解开的图像操作铺平了道路。