CVPRNov, 2021
SeCGAN:基于语义一致性的平行条件生成式对抗网络用于人脸编辑
SeCGAN: Parallel Conditional Generative Adversarial Networks for Face Editing via Semantic Consistency
Jiaze Sun, Binod Bhattarai, Zhixiang Chen, Tae-Kyun Kim
TL;DR通过提出一种语义信息导向的生成对抗网络 SeCGAN,可无需指定目标语义掩码的情况下,利用语义信息进行人脸图像编辑,从而在保持质量指标的前提下,在 CelebA 和 CelebA-HQ 上生成具有更准确属性的面部图像,优于竞争基线项。