可编辑生成对抗网络：同时生成与编辑人脸
计算机视觉与模式识别
2018-10-01 v1
摘要
我们提出了一种新颖的框架，用于同时生成并操控具有期望属性的人脸图像。尽管最先进的属性编辑技术已在创建逼真属性效果方面取得令人印象深刻的性能，但它们仅将图像编辑作为问题来处理，并将输入图像用作模型的条件。近来，若干研究尝试使用单一方案来解决新人脸生成与属性编辑两个问题。然而，其图像质量仍不尽如人意。我们的目标是开发一种单一统一模型，能够同时创建并编辑具有期望属性的高质量人脸图像。我们工作的一个核心思想是将图像分解为低维表示中的潜向量与属性向量，然后利用 GAN 框架将低维表示映射到图像。通过这种方式，我们可以通过学习生成器来同时解决生成与编辑问题。在定性与定量评估中，所提算法优于解决相同问题的最近算法。此外，我们表明，在属性编辑质量方面，我们的模型能够取得与最先进属性编辑技术相竞争的性能。
引用
@article{arxiv.1807.07700,
title = {Editable Generative Adversarial Networks: Generating and Editing Faces Simultaneously},
author = {Kyungjune Baek and Duhyeon Bang and Hyunjung Shim},
journal= {arXiv preprint arXiv:1807.07700},
year = {2018}
}