ECCVAug, 2022

StyleGAN 中潜在空间的分层语义正则化

PDF
TL;DR本文研究了如何通过提出的层次语义约束器（HSR）来改善 StyleGANs 生成的图像的真实性和自然性，同时提出新的 Attribute Linearity Score (ALS) 来衡量属性变量的线性度。实验表明，HSR 可以对生成器学习到的分层表征进行约束，从而提高样式编辑后的图像的自然度和真实性，并同时提高了其属性变量的线性度。
gansstylegansattribute modificationhierarchical representationshsr
发现论文，激发创造
  • 深度生成表示中出现了场景生成的语义层次结构

    本研究说明了 State-of-the-art GAN 模型中，高度结构化的语义层次结构从生成性表示中出现作为变化因素，并证明了 GANs 学习到的生成性表示是专门用于合成不同的层次语义。

    Nov, 2019

  • 超分辨率通过 StyleGAN 规范化潜变量搜索：现实感 - 保真度权衡

    通过扩展图像先验并利用潜在空间进行图像重建，本研究旨在实现超分辨率任务中的高保真度和真实感之间的良好平衡。

    Nov, 2023

  • 风格干预：如何通过基于风格的生成器实现空间脱耦？

    本研究探索了利用预训练的基于样式生成器的 “样式空间” 控制本地翻译的可能性。提出了一种名为 “Style Intervention” 的轻量级优化算法，用于在高分辨率图像上进行面部属性编辑，证明了其在视觉和定量结果上的有效性，表现优于现有的基准。

    Nov, 2020

  • LARGE: 基于 GAN 语义的潜变量回归

    本文提出了一种新的利用少样本或弱监督方式解决回归任务的方法，该方法利用生成式对抗网络（GANs）的语义信息表征能力，实现了将预先训练好的 GANs 转化成回归模型的操作，并证明了其在众多数据集和领域上的高效性。

    Jul, 2021

  • SC2GAN: 自校正相关 GAN 空间重新思考纠缠

    本研究探讨了生成对抗网络（GANs）中潜在空间的交错问题，并提出了一种新的框架 SC$^2$GAN 以实现解交错。通过重新投影原始潜在编码样本并根据高密度和低密度区域进行编辑方向的修正，利用原始的有意义方向和语义区域特定层插值原始潜在编码，生成罕见的属性组合的图像，然后将这些样本反转回原始潜在空间。我们将该框架应用于学习有意义潜在方向的现有方法，并展示了它在添加了少量低密度区域样本的情况下解交错属性的强大能力。

    Oct, 2023

  • 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

  • 分析并提高 StyleGAN 的图像质量

    使用改进的模型结构和训练方法，对 StyleGAN 生成器的规范化、进化成长和正则化进行了重新设计，并引入了路径长度正则化器，以改善图像质量和生成器的可逆属性。通过可视化生成器对其输出分辨率的使用情况，识别容量问题并进行大规模模型的训练，使得该模型在无条件图像建模领域中的分布质量和感知图像质量均达到了最高水平。

    Dec, 2019

  • 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

  • 图像编辑的紧凑且语义潜空间的解缠和可控

    我们提出了一种自编码器方法，通过重新组织 StyleGAN 的潜空间，使我们希望编辑的每个属性对应于新潜空间的一个轴，同时确保潜空间轴之间的相关性降到最低，以促进属性解缠，通过实验证明了我们的方法在编辑能力上超越了竞争方法，同时在保持图像身份一致性方面与原始图像具有高度的准确性，我们的自编码器结构简单明了，易于实现。

    Dec, 2023

  • 用于无监督潜在语义发现的 Householder 投影器

    该文介绍了一种基于 Householder 转换的灵活通用低秩正交矩阵表示方法，用于发现 GAN 模型中潜在的语义属性，并在迁移学习时提高语义属性的准确性和可解释性。

    Jul, 2023