基于可变形GANs的外观与姿态条件化人体图像生成
计算机视觉与模式识别
2019-10-15 v2
摘要
本文研究由姿态与外观信息共同条件化的人体图像生成问题。具体而言，给定某人的图像xa与目标姿态P(xb)（提取自另一图像xb），我们合成该人在姿态P(xb)下的新图像，同时保留xa中的视觉细节。为处理因P(xa)与P(xb)间姿态差异引起的像素级错位，我们在生成对抗网络的生成器中引入可变形跳跃连接。此外，提出最近邻损失以替代常用的L1和L2损失，从而使生成图像与目标图像的细节相匹配。使用近期该任务提出的常用数据集与协议所得的定量与定性结果表明，我们的方法相较于当前最优水平具有竞争力。此外，我们利用基于人体生成增强数据训练的现成行人重识别（Re-ID）系统进行了广泛评估，这是该任务的重要应用之一。实验表明，我们的可变形GANs能显著提升Re-ID准确率，甚至优于专门使用Re-ID损失训练的数据增强方法。
引用
@article{arxiv.1905.00007,
title = {Appearance and Pose-Conditioned Human Image Generation using Deformable GANs},
author = {Aliaksandr Siarohin and Stéphane Lathuilière and Enver Sangineto and Nicu Sebe},
journal= {arXiv preprint arXiv:1905.00007},
year = {2019}
}
备注
To appear on IEEE TPAMI. arXiv admin note: substantial text overlap with arXiv:1801.00055