FBC-GAN：通过前景-背景组合实现多样且灵活的图像合成
计算机视觉与模式识别
2021-07-08 v1
摘要
生成对抗网络（GAN）已成为图像合成的事实标准。然而，由于未考虑前景-背景分解，现有GAN倾向于捕捉前景与背景之间过度的内容相关性，从而限制了图像生成的多样性。本文提出了一种新颖的前景-背景组合GAN（FBC-GAN），它通过并发且独立地生成前景物体和背景场景，再以风格与几何一致性将它们组合来进行图像生成。借助这一显式设计，FBC-GAN能够生成内容与彼此独立的前景和背景，从而解除了不期望学到的内容相关性约束并实现了卓越的多样性。它还提供了极佳的灵活性，允许同一前景物体搭配不同背景场景、同一背景场景搭配不同前景物体，或同一前景物体与背景场景具有不同物体位置、尺寸和姿态。它也能够组合从不同的数据集中采样得到的前景物体和背景场景。在多个数据集上的大量实验表明，与最先进的方法相比，FBC-GAN取得了具有竞争力的视觉真实感和更优的多样性。
引用
@article{arxiv.2107.03166,
title = {FBC-GAN: Diverse and Flexible Image Synthesis via Foreground-Background Composition},
author = {Kaiwen Cui and Gongjie Zhang and Fangneng Zhan and Jiaxing Huang and Shijian Lu},
journal= {arXiv preprint arXiv:2107.03166},
year = {2021}
}