E2Style：提升 StyleGAN 反演的效率与效果

本文研究 StyleGAN 反演问题，其在使预训练 StyleGAN 用于真实图像编辑任务中起着关键作用。StyleGAN 反演的目标是找到给定图像在 StyleGAN 潜空间中的精确潜码。该问题对质量与效率均有较高要求。现有的基于优化的方法能产出高质量结果，但优化往往耗时较长。相反，基于前向的方法通常更快，但结果质量较差。本文提出一种新的用于 StyleGAN 反演的前馈网络“E2Style”，在效率与效果上有显著改进。在我们的反演网络中，我们引入：1）具有跨尺度多个高效头的更浅骨干；2）损失函数中的多层身份损失与多层人脸解析损失；3）多阶段精炼。这些设计结合形成了一种有效且高效的方法，兼具基于优化与基于前向方法的优点。定量与定性结果表明，我们的 E2Style 优于现有基于前向的方法，并与最先进的基于优化的方法相当，同时保持了与基于前向方法一样的高效率。此外，若干真实图像编辑应用展示了我们 E2Style 的功效。代码见 \url{https://github.com/wty-ustc/e2style}