基于分割引导GAN的双域图像合成
计算机视觉与模式识别
2022-04-20 v1
摘要
我们引入一种分割引导方法来合成融合两个不同域特征的图像。我们的双域模型合成的图像在语义掩码内属于一个域，而在图像其余部分属于另一域——且平滑融合。我们基于少样本StyleGAN与单样本语义分割的成功，以最小化利用两域所需的训练量。该方法将少样本跨域StyleGAN与潜变量优化器结合，以实现包含两不同域特征的图像。我们使用分割引导的感知损失，在域特定与双域合成图像间比较像素级与激活值。结果从定性与定量上证明，我们的模型能够在多种对象(人脸、马、猫、车)、域(自然、漫画、草图)与基于部件的掩码(眼、鼻、口、发、车引擎盖)上合成双域图像。代码公开于：https://github.com/denabazazian/Dual-Domain-Synthesis。
引用
@article{arxiv.2204.09015,
title = {Dual-Domain Image Synthesis using Segmentation-Guided GAN},
author = {Dena Bazazian and Andrew Calway and Dima Damen},
journal= {arXiv preprint arXiv:2204.09015},
year = {2022}
}
备注
CVPR2022 Workshops. 14 pages, 19 figures