CONFIG：可控神经人脸图像生成
计算机视觉与模式识别
2020-10-20 v3 机器学习
摘要
近年来，我们采样逼真自然图像（尤其是人脸）的能力取得了飞跃式进展，但我们施加精细控制于生成过程的能力却相对滞后。若要使这项新技术找到实际用途，我们需要在与计算机图形学和角色动画中所见相当的水平上实现对生成网络的控制，且不牺牲逼真度。为此，我们提出 ConfigNet，一种神经人脸模型，能够以语义有意义的方式控制输出图像的各个方面，并且是通往精细可控神经渲染之路的重要一步。ConfigNet 在真实人脸图像以及合成人脸渲染图上训练。我们的新方法利用合成数据将潜空间分解为对应于传统渲染管线输入的要素，分离出头部姿态、面部表情、发型、光照以及许多在真实数据中极难标注的其他方面。呈现给网络且无标签的真实图像扩展了生成图像的多样性并增强逼真度。最后，我们提出一种结合属性检测网络与用户研究的评估准则，并展示了在输出图像属性上最先进的单独控制能力。
引用
@article{arxiv.2005.02671,
title = {CONFIG: Controllable Neural Face Image Generation},
author = {Marek Kowalski and Stephan J. Garbin and Virginia Estellers and Tadas Baltrušaitis and Matthew Johnson and Jamie Shotton},
journal= {arXiv preprint arXiv:2005.02671},
year = {2020}
}
备注
includes supplementary materials