一种用于姿态引导人像合成的鲁棒姿态变换 GAN
计算机视觉与模式识别
2020-01-07 v1 机器学习
图像与视频处理
摘要
生成任意未见姿态下人体主体的照片级真实图像，对于构建该主体完整外观模型具有关键应用价值。然而，从计算机视觉角度看，由于难以对以姿态为条件的分布建模，该任务极具挑战。现有工作使用复杂的姿态变换模型并借助前景分割、人体解析等附加特征来实现鲁棒性，这带来了计算开销。本文中，我们提出一种简单而高效的姿态变换 GAN，利用残差学习方法且无需任何附加特征学习，即可生成给定人物在任意姿态下的图像。通过有效的数据增强技术与精细的模型调优，我们在光照、遮挡、畸变和尺度方面实现了鲁棒性。我们给出了定性与定量相结合的详细研究，以证明我们的模型在两个大型数据集上优于现有方法。
引用
@article{arxiv.2001.01259,
title = {A Robust Pose Transformational GAN for Pose Guided Person Image Synthesis},
author = {Arnab Karmakar and Deepak Mishra},
journal= {arXiv preprint arXiv:2001.01259},
year = {2020}
}
备注
Accepted in 7th National Conference on Computer Vision, Pattern Recognition, Image Processing and Graphics (NCVPRIPG 2019)