Apr, 2022
StyleGAN-Human: 人类生成的数据中心之旅
StyleGAN-Human: A Data-Centric Odyssey of Human Generation
Jianglin Fu, Shikai Li, Yuming Jiang, Kwan-Yee Lin, Chen Qian...
TL;DR本研究从数据工程的角度出发,收集并注释了一个大规模人类图像数据集,并通过实验研究了数据量、数据分布和数据对齐等因素对 StyleGAN 生成高保真无条件人类图像的影响。结果显示,需要超过 40K 的大规模数据来训练高保真的 StyleGAN 生成模型;平衡的训练集有助于提高对罕见姿势的生成质量,而简单平衡服装纹理分布并不能有效改善生成效果;以身体中心为对齐锚点的人类 GAN 模型胜过使用面部中心或骨盆点对齐的模型。