ECCVJul, 2022

图像操作中的监督属性信息去除和重建

PDF
TL;DR本文提出了一种 Attribute Information Removal and Reconstruction（AIRR）网络，通过学习如何完全去除属性信息创建不包含属性信息的特征，然后学习在重建图像中直接注入所需属性，以避免信息隐藏问题，并在四个数据集上评估。结果表明，与先前的工作相比，我们的模型平均提高了 10％的属性操作准确性和 top-k 检索率，用户研究也表明 AIRR 操作的图像在高达 76％的情况下优于先前的工作。
attribute manipulationdisentangled representationsairr networkimage editing effectsuser study
发现论文，激发创造
  • 学习残缺图像以进行人脸属性操纵

    该论文提出了一种面部属性操作方法，基于生成对抗网络，并使用图像转换网络和鉴别网络。通过学习前后图像的差异，来实现属性操作，并使用双向学习方法。实验结果表明，该方法可以有效地进行面部属性操作，保留了不相关部位的细节。

    Dec, 2016

  • FashionSearchNet-v2: 使用特征位置定位学习属性表示，用于带属性操纵的图像检索

    本文提出了一种基于属性操控的图像检索方法，使用 FashionSearchNet-v2 架构学习属性特定表示，并通过弱监督定位模块提高相似性学习，所得的本地表示基于被指导的属性操控合并为单个全局表示，在多个数据集上展示了 FashionSearchNet-v2 的优越性和可泛化性。

    Nov, 2021

  • 异常检测的属性恢复框架

    该研究提出了一种基于图像修复的异常检测方法，在多个基准数据集上显著优于现有方法，特别是在 ImageNet 上，Top-performing 基线的 AUROC 提高了 10.1%。

    Nov, 2019

  • 可重构生成对抗网络的无监督视觉属性转移

    本文提出一种无监督方法，学习视觉属性的传递功能且不需要相应的图像，观察来自各种无监督属性转移任务的可视化结果，验证了该方法的有效性。

    Jul, 2017

  • AttGAN: 仅修改您想修改的部分的面部属性编辑

    本研究旨在改变面部图像的一个或多个属性，并保持其他细节，使用生成敌对网络（GAN）和编码器 - 解码器架构来确保高质量的面部特征编辑。

    Nov, 2017

  • 时尚图像检索的半监督特征级属性操作

    本文提出了一种基于特征级别属性操作的新方法，用于实现时尚图像检索和属性操作同时具有出色性能，并且不会牺牲图像检索性能。

    Jul, 2019

  • 通过实例感知潜空间搜索进行分离的面部属性编辑

    本文提出了一种新的框架 (IALS)，它利用来自一组对输入图像评估的属性分类器的监督来注入实例信息，通过执行实例感知潜空间搜索来找到解耦属性编辑的语义方向，并提出了一种 “DT” 度量来量化属性转换和解耦功效，并基于它找到属性级和实例级方向之间的最优控制因子。

    May, 2021

  • 基于置换不变性的特征重构用于相关感知的图像集识别

    本文研究了如何通过特征重组、自注意力、稀疏 / 协作学习等手段来比较变量数量、质量和无序异质图像集的相似度，并在实验中取得了领先的成果，解决了人脸识别和人物重识别等问题。

    Aug, 2019

  • 走向自动图像编辑：学习看到另一个自己

    本研究基于深度卷积神经网络，针对图像生成中的属性变换问题，在两个面部数据集上进行了有量有质的实验，并取得了较为有前途的结果。

    Nov, 2015

  • 增强重构的多视角对比学习用于带属性网络异常检测

    本研究提出了一种基于自监督学习的框架来更准确地检测带属性网络中的异常节点，其中结合了多视图对比学习模块和属性重构模块。实验表明该模型优于当前最先进的模型。

    May, 2022