基于对抗解析学习的人体时尚图像编辑
计算机视觉与模式识别
2019-10-01 v2 图像与视频处理
摘要
交互式时尚图像操控允许用户通过草图和颜色笔触编辑图像，是一个具有重大应用价值的有趣研究问题。现有工作常将其视为一般的修复任务，未充分利用时尚图像中的语义结构信息。此外，它们直接利用常规卷积和归一化层来恢复不完整图像，往往会冲淡草图和颜色信息。本文中，我们提出一种新颖的时尚编辑生成对抗网络（FE-GAN），能够通过自由形式草图和稀疏颜色笔触操控时尚图像。FE-GAN 由两个模块组成：1）自由形式解析网络，学习通过操控草图和颜色来控制人体解析生成；2）解析感知修复网络，利用来自人体解析图的语义引导渲染细节纹理。进一步在修复网络解码器的多个尺度上应用一种新的注意力归一化层，以提升合成图像的质量。在高分辨率时尚图像数据集上的大量实验表明，所提方法在图像操控上显著优于最先进的方法。
引用
@article{arxiv.1906.00884,
title = {Fashion Editing with Adversarial Parsing Learning},
author = {Haoye Dong and Xiaodan Liang and Yixuan Zhang and Xujie Zhang and Zhenyu Xie and Bowen Wu and Ziqi Zhang and Xiaohui Shen and Jian Yin},
journal= {arXiv preprint arXiv:1906.00884},
year = {2019}
}
备注
22 pages, 18 figures