BlendGAN: 基于空间图像身份条件的单图像内部分布学习与融合
计算机视觉与模式识别
2022-12-06 v1
摘要
近年来，在单幅图像上训练生成模型引起了显著关注。单图像生成方法旨在以多尺度学习单幅自然图像的内部块分布。这些模型可用于生成在语义上类似于训练图像的多样化样本，以及用于涉及该特定图像的多项图像编辑与复原任务。在此，我们引入一个扩展框架，其通过使用具有空间变化图像身份条件的单一模型，可同时学习若干图像的内部分布。我们的 BlendGAN 为单图像模型所不支持的应用打开了大门，包括两幅或多幅任意图像之间的变形、混合以及结构-纹理融合。
引用
@article{arxiv.2212.01589,
title = {BlendGAN: Learning and Blending the Internal Distributions of Single Images by Spatial Image-Identity Conditioning},
author = {Idan Kligvasser and Tamar Rott Shaham and Noa Alkobi and Tomer Michaeli},
journal= {arXiv preprint arXiv:2212.01589},
year = {2022}
}