DRAN：用于条件图像合成的细节区域自适应归一化
计算机视觉与模式识别
2023-06-27 v4
摘要
近年来，条件图像合成因其在图像生成过程中的可控性而受到越来越多的关注。尽管近期工作已取得逼真的结果，但大多数难以处理具有细微细节的细粒度风格。为解决该问题，提出了一种名为细节区域自适应归一化（DRAN）的新型归一化模块。它自适应地学习细粒度和粗粒度风格表示。具体而言，我们首先引入一种多级结构——空间感知金字塔池化，以引导模型学习从粗到细的特征。然后，为自适应融合不同层级的风格，我们提出动态门控，使其能够根据不同空间区域自适应融合不同层级的风格。最后，我们收集了一个新的化妆数据集（Makeup-Complex数据集），其包含具有多样姿态和表情的广泛复杂化妆风格。为评估我们方法的有效性并展示其通用性，我们在化妆迁移和语义图像合成上进行了一系列实验。定量与定性实验表明，配备DRAN的简单基线模型能够在复杂风格迁移和细节纹理合成中取得可观的提升。代码与所提出的数据集将在 https://github.com/Yueming6568/DRAN-makeup.git 提供。
引用
@article{arxiv.2109.14525,
title = {DRAN: Detailed Region-Adaptive Normalization for Conditional Image Synthesis},
author = {Yueming Lyu and Peibin Chen and Jingna Sun and Bo Peng and Xu Wang and Jing Dong},
journal= {arXiv preprint arXiv:2109.14525},
year = {2023}
}
备注
Accepted by TMM 2023