AttrLostGAN：基于可重构布局与风格的属性可控图像合成
计算机视觉与模式识别
2021-08-27 v2
摘要
基于布局的条件图像合成近来引起了广泛关注。先前的方法以物体位置和类别标签为生成器条件，但缺乏对单个物体多样外观方面的细粒度控制。获得对图像生成过程的控制对于构建具有用户友好界面的实用应用至关重要。在本文中，我们提出一种基于布局的属性可控图像合成方法，该方法允许指定单个物体的外观而不影响图像其余部分。我们将最先进的布局到图像生成方法扩展为额外以单个物体的属性为条件。我们在合成数据集以及具有挑战性的Visual Genome数据集上创建并进行了实验。我们的定性和定量结果表明，在建模具有多个物体的复杂场景时，我们的方法能成功控制单个物体的细粒度细节。源代码、数据集和预训练模型已公开可用（https://github.com/stanifrolov/AttrLostGAN）。
引用
@article{arxiv.2103.13722,
title = {AttrLostGAN: Attribute Controlled Image Synthesis from Reconfigurable Layout and Style},
author = {Stanislav Frolov and Avneesh Sharma and Jörn Hees and Tushar Karayil and Federico Raue and Andreas Dengel},
journal= {arXiv preprint arXiv:2103.13722},
year = {2021}
}
备注
Accepted to GCPR 2021. Link to code: https://github.com/stanifrolov/AttrLostGAN