EGAIN：扩展的 GAN 反演
计算机视觉与模式识别
2023-12-27 v1 人工智能
摘要
生成对抗网络（GANs）近年来取得了显著进展，生成的图像质量越来越高，与真实图像无法区分。最近的 GANs 已被证明能在解耦的潜在空间中编码特征，从而能够精确控制生成面部图像的各种语义属性，如姿态、光照或性别。GAN 反演即将图像投影到 GAN 的潜在空间中，为操纵真实人脸图像的面部语义打开了大门。这对于评估人脸识别系统性能等众多应用非常有用。在本工作中，我们提出了 EGAIN，一种用于构建 GAN 反演模型的架构。该架构明确解决了先前 GAN 反演模型的一些不足之处。我们还提出了一种基于此架构的同名特定模型 egain，展示了优于最先进（state-of-the-art）模型的重建质量，并说明了 EGAIN 架构的有效性。
引用
@article{arxiv.2312.15116,
title = {EGAIN: Extended GAn INversion},
author = {Wassim Kabbani and Marcel Grimmer and Christoph Busch},
journal= {arXiv preprint arXiv:2312.15116},
year = {2023}
}