CA-GAN：用于可控妆容迁移的弱监督颜色感知 GAN
计算机视觉与模式识别
2021-03-12 v1 人工智能
机器学习
摘要
尽管现有的妆容风格迁移模型执行图像合成，其结果无法被显式控制，但连续修改妆容颜色的能力是虚拟试穿应用的一个理想特性。我们为妆容风格迁移任务提出一种新的表述，旨在学习颜色可控的妆容风格合成。我们引入 CA-GAN，一种生成模型，学习将图像中特定对象（如嘴唇或眼睛）的颜色修改为任意目标颜色，同时保留背景。由于颜色标签稀少且获取成本高，我们的方法利用条件 GAN 的弱监督学习。这使得能够学习复杂对象的可控合成，且仅需我们所希望修改的图像属性的弱代理。最后，我们首次给出了妆容风格迁移与颜色控制性能的定量分析。
引用
@article{arxiv.2008.10298,
title = {CA-GAN: Weakly Supervised Color Aware GAN for Controllable Makeup Transfer},
author = {Robin Kips and Pietro Gori and Matthieu Perrot and Isabelle Bloch},
journal= {arXiv preprint arXiv:2008.10298},
year = {2021}
}