用于基于姿态的人体图像生成的可变形 GAN
计算机视觉与模式识别
2018-04-09 v2
摘要
本文研究在给定姿态条件下生成人物图像的问题。具体而言，给定一张人物图像和一个目标姿态，我们合成该人物在新姿态下的新图像。为了处理由姿态差异引起的像素级错位，我们在生成对抗网络（Generative Adversarial Network, GAN）的生成器中引入了可变形跳跃连接。此外，我们提出了最近邻损失来替代常用的 L1 和 L2 损失，以使生成图像的细节与目标图像相匹配。我们使用不同姿态下的人物照片测试了我们的方法，并将我们的方法与该领域的先前工作进行比较，在两个基准上展示了最先进（state-of-the-art, SOTA）的结果。我们的方法可应用于更广义的可变形物体生成领域，前提是可以使用关键点检测器提取铰接物体的姿态。
引用
@article{arxiv.1801.00055,
title = {Deformable GANs for Pose-based Human Image Generation},
author = {Aliaksandr Siarohin and Enver Sangineto and Stephane Lathuiliere and Nicu Sebe},
journal= {arXiv preprint arXiv:1801.00055},
year = {2018}
}
备注
CVPR 2018 version