Nov, 2021

StyleGAN 中用于细粒度图像操纵的特定属性控制单元

PDF
TL;DR本研究提出了使用属性特定的控制单元来处理精细化的 StyleGAN 图像操作的方法，并针对人脸属性操作等任务进行了实证研究，结果表明该方法在实现精细操作方面表现出色。
发现论文，激发创造
  • StyleSpace 分析：StyleGAN 图像生成的解耦控制

    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。

    Nov, 2020

  • STGAN: 一个统一的选择性转换网络，用于任意图像属性编辑

    通过将选择性转移单元与编码器 - 解码器网络和生成对抗网络相结合，本文提出了一种属性编辑模型，可以有效地提高感知质量和属性操纵准确性。

    Apr, 2019

  • 潜空间中拥有所有：StyleGAN 隐空间探索实现属性编辑和样式操作

    FLAME 是一种使用少量监督来进行操纵编辑方向的简单而有效的框架，可通过操纵潜在空间来实现高度可控的图像编辑。同时，还提出了属性样式操作的新任务，以生成具有不同属性样式的多样化图像。

    Jul, 2022

  • 通过潜空间导航的可控 GAN 用于图像编辑

    本研究提出了一种新的控制图像属性的编辑方法，通过学习多种属性变换和应用内容损失和对抗损失来实现单一和多属性的编辑，并保留图像身份和真实感。此外，提出了客观评价标准以衡量模型性能，结果表明该模型在目标图像操作方面达到了最先进水平。

    Feb, 2021

  • StyleFlow：基于属性条件的条件连续正则化流的 StyleGAN 生成图像探索

    通过在 GAN 的 latent space 中引入条件属性特征，作者提出了 StyleFlow 来实现运用属性控制生成样本和实现编辑的两个子问题， 并在实际应用中验证了 StyleFlow 的有效性和优越性。

    Aug, 2020

  • 基于属性分解 GAN 的可控人物图像合成

    介绍了一种属性分解生成对抗网络，能够通过将人的属性嵌入潜在空间作为独立编码，通过混合和插值运算在显式样式空间中灵活控制属性，从而实现可控的人物图像生成，实现了更好的姿势和组件属性转换。

    Mar, 2020

  • 面部属性操作的稀疏分组多任务生成对抗网络

    提出了一种分组生成对抗网络 (SG-GAN) 的方法，可在少量标记数据的情况下识别图像并进行多任务学习，通过实验验证在面部图像处理方面的优越性能。

    May, 2018

  • 探索基于梯度的 GAN 多方向控制

    该论文提出了一种基于梯度信息的新方法，探索生成对抗网络 (latent space) 中的非线性控制，实现了多方向控制和有效解缠，这使得 GANs 的可控生成问题得到了解决。

    Sep, 2022

  • 半潜变分生成对抗网络：通过属性学习生成和修改人脸图像

    本文提出使用 Semi-Latent Facial Attribute Space (SL-FAS) 和 SL-GAN 模型学习人脸图像生成和修改，通过实验验证了该模型的有效性，并提出迭代训练算法。

    Apr, 2017

  • AttrLostGAN：基于可重构布局和样式的属性控制图像合成

    本文提出了一种从布局生成图像的方法，可以对单个对象的出现进行属性控制，从而提高对多个对象场景的建模。

    Mar, 2021