享受你的编辑:通过潜空间导航实现可控GAN图像编辑
计算机视觉与模式识别
2021-03-30 v3
摘要
可控语义图像编辑使用户能通过几次点击改变整幅图像属性,例如逐渐使夏日场景看起来像在冬季拍摄。该任务的经典方法使用生成对抗网络(GAN)来学习潜空间及合适的潜空间变换。然而,当前方法常受限于纠缠的属性编辑、全局图像身份改变以及照片真实感下降。为解决这些问题,我们同时学习多个属性变换,将属性回归整合进变换函数训练,并应用内容损失与对抗损失以促使保持图像身份与照片真实感。我们提出了衡量可控编辑性能的定量评估策略,不同于先前工作主要聚焦定性评估。我们的模型在单属性与多属性编辑中均提供更好控制,同时在变换中保持图像身份与真实感。我们给出自然与合成图像的实证结果,突显我们的模型在定向图像操控上达到最先进(state-of-the-art)性能。
引用
@article{arxiv.2102.01187,
title = {Enjoy Your Editing: Controllable GANs for Image Editing via Latent Space Navigation},
author = {Peiye Zhuang and Oluwasanmi Koyejo and Alexander G. Schwing},
journal= {arXiv preprint arXiv:2102.01187},
year = {2021}
}
备注
Accepted to ICLR 2021. 14 pages, 15 figures