Jan, 2023

降低编辑性能的因素是什么？面向域的混合细化以提高 GAN 反演性能

PDF
TL;DR该论文提出了一种基于图像分割技术的域特定混合细化方法（DHR），利用两种主流优化技术的优缺点来保持编辑能力和提高重建准确度，可适用于所有潜在编码嵌入方法。实验结果表明，该方法在真实图像反演和编辑方面达到了当前最先进的水平。
inversion methodslatent codesdhrediting capabilityimage segmentation
发现论文，激发创造
  • 针对真实图像编辑的域内 GAN 反演

    本文提出了一种域内 GAN 反演方法，旨在通过一个新颖的领域引导编码器将真实图像映射到 GAN 的本机潜在空间中，从而精确重构输入图像并同时确保倒置代码在语义域内，以便支持各种基于变化倒置代码的图像编辑任务。实验表明，我们的反演方法实现了令人满意的真实图像重建，同时大大提高了各种图像编辑任务的效率，并远远超过了当前领先的方法。

    Mar, 2020

  • 针对忠实重建和可编辑性的领域内 GAN 逆转

    通过在原始潜在空间中规范反转代码，本研究提出了领域指导编码器和领域正则化优化器，以满足对图像编辑应用的需求，实现了广泛的编辑功能。

    Sep, 2023

  • 高保真 GAN 反演用于图像属性编辑

    本研究提出了一种新颖的高保真生成对抗网络（GAN）反演框架，可以进行带有图像特定细节（例如背景、外观和照明）的属性编辑，并使用扭曲一致性咨询和自适应扭曲对齐模块来提高反演和编辑质量。

    Sep, 2021

  • 具有几何变换的 GAN 反演用于超范围图像

    本论文提出 BDInvert，一种基于 GAN 逆向技术的语义编辑方法，可以处理几何未对齐的超出 GAN 训练数据范围的图像，将其映射到替代潜空间，并提出了一种正则化逆向方法，在替代空间中支持语义编辑。

    Aug, 2021

  • 稳健的 GAN 倒置

    通过在本身潜在空间中调节生成器网络来恢复缺失的图像细节，我们的方法在重建质量和计算效率方面优于传统方法，具有更低的失真和 4 倍少的参数数量。

    Aug, 2023

  • 针对 GAN 反演和编辑的空间自适应多层选择

    本研究提出了一种新的方法，可以在 GAN 的潜在空间中反演和编辑具有复杂场景布局和物体遮挡的图像，采用分层集合反演的思路，通过预测图像不同部分的可反转性，并将每个部分投影到潜在层中，系统学习将相对容易的区域反演到生成器的较早潜在空间，而将较具挑战性的区域反演到后续的特征空间。该方法相对于现有方法，获取了更好的具有相对复杂类别的反演结果，同时仍保持下游可编辑性。

    Jun, 2022

  • 细节决定成败：适用于细节丰富的 StyleGAN 反向和高质量图像编辑的 StyleFeatureEditor

    通过 StyleGAN 反演技术，我们介绍了一种名为 StyleFeatureEditor 的新方法，可以在 w-latents 和 F-latents 两个潜变量空间中进行编辑，实现了对细节的精确重建和修改。与现有的编码方法相比，我们的模型在重建质量上表现优秀，并能够处理具有挑战性的领域外示例。

    Jun, 2024

  • 渐进残差对准：一种 GAN 反演和图像属性编辑的双流框架

    基于 GAN 的图像属性编辑提出了一种逐渐注入细节的双流框架，用于增强细节保留和编辑性能。与现有方法相比，该框架在重建精度和编辑质量方面具有优势。

    Feb, 2024

  • 基于潜在变量编辑真实图像的关键调整

    本文提出了一种基于 Pivotal Tuning Inversion (PTI) 的人脸编辑方法，通过微调生成器来实现将不在生成器领域内的图像还原为在域内的潜在代码，从而提高人脸编辑的效果和质量。

    Jun, 2021

  • 用于 GAN 反演的空间 - 语境差异信息补偿

    通过补偿和编辑范式，我们提出了一种新的基于空间 - 上下文差异信息补偿的 GAN 反演方法（SDIC），该方法在图像反演和编辑任务中实现了出色的失真 - 可编辑性权衡。

    Dec, 2023