基于生成人类先验的时尚风格编辑

图像编辑一直是研究社区的一个长期挑战，其对诸多应用具有广泛影响。最近，文本驱动的方法在人脸等领域取得了令人鼓舞的成果，但在更复杂的领域应用相对有限。在本工作中，我们探索了时尚风格编辑的任务，即利用文本描述操控人类图像的时尚风格。具体而言，我们利用生成人类先验，通过导航其学习到的潜在空间来实现时尚风格编辑。我们首先验证了现有的文本驱动编辑方法在本问题上不足，因为其指导信号过于简化，我们提出了两个方向来加强指导：文本增强和视觉参考。结合我们对潜在空间结构的经验发现，我们的时尚风格编辑框架 (FaSE) 成功地将抽象的时尚概念投影到人类图像上，并为该领域引入了激动人心的新应用。