Feb, 2021

利用姿势分解和语义相关性实现结构感知的人像生成

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 利用外观感知姿态风格化器生成人物图像

    本文介绍了一个使用新型生成器的端到端框架来生成逼真的人像。该框架高度灵活，可通过处理不同的人像因素实现可控制性，并采用自适应补丁规范化技术，在两个基准数据集上成功生成真实和视觉上吸引人的结果。

    Jul, 2020

  • 姿态引导的人像生成与动画的深度空间转换

    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。

    Aug, 2020

  • 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

  • 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

  • 探索姿态引导的人物图像生成的双重任务相关性

    提出了一种新颖的双重任务姿势变换网络（DPTN），它将源自重构任务和变换任务结合起来，通过姿态变换模块（PTM）和共享部分权重来实现源到目标的生成，从而有效地提升了纹理映射，优于现有方法。

    Mar, 2022

  • 从部件到整体：可控人体图像生成的统一参考框架

    通过多个参考图像生成定制肖像的新框架Parts2Whole，利用语义感知的外观编码器和共享自注意力机制，在保留细节的同时支持多图像条件生成，实现了对多部分可控人体图像的高级定制能力。

    Apr, 2024

  • PersonificationNet: 个性化主题化身为人

    本文提出了PersonificationNet，它能够控制指定主题（如卡通人物或毛绒玩具）以给定参考人物图像的相同姿势表演，并通过实验证明该方法优于现有方法。

    Jul, 2024