FDA-GAN：基于流的双重注意力GAN用于人体姿态迁移
计算机视觉与模式识别
2021-12-02 v1
摘要
人体姿态迁移旨在将源人物的外观迁移到目标姿态。现有利用基于流的扭曲进行非刚性人体图像生成的方法已取得巨大成功。然而，由于源与目标之间的空间相关性未被充分利用，它们未能保留合成图像中的外观细节。为此，我们提出基于流的双重注意力GAN（FDA-GAN），以应用感知遮挡与形变的特性融合来获得更高的生成质量。具体而言，可形变局部注意力与流相似性注意力构成了双重注意力机制，分别可导出负责形变感知与遮挡感知融合的输出特征。此外，为在迁移中保持姿态与全局位置一致性，我们设计了一个姿态归一化网络，用于从目标姿态到源人物学习自适应归一化。定性与定量结果均表明，我们的方法在公开iPER和DeepFashion数据集上优于SOTA模型。
引用
@article{arxiv.2112.00281,
title = {FDA-GAN: Flow-based Dual Attention GAN for Human Pose Transfer},
author = {Liyuan Ma and Kejie Huang and Dongxu Wei and Zhaoyan Ming and Haibin Shen},
journal= {arXiv preprint arXiv:2112.00281},
year = {2021}
}