基于渐进结构条件生成对抗网络的全身高分辨率动漫生成
计算机视觉与模式识别
2018-09-07 v1 图形学
机器学习
机器学习
摘要
我们提出渐进结构条件生成对抗网络(PSGAN),一种能够基于结构信息生成全身高分辨率角色图像的新框架。近期带有渐进训练的生成对抗网络进展已使高分辨率图像生成成为可能。然而,现有方法在同时实现高图像质量与结构一致性方面存在局限。我们的方法通过在训练中渐进提升生成图像与结构条件的分辨率来应对这些局限。本文中,我们通过与现有方法的对比以及基于目标姿态序列在 1024x1024 下多样动漫角色的视频生成结果,实证展示了该方法的有效性。我们还使用 Unity 3D Avatar 模型创建了一个包含全身 1024x1024 高分辨率图像与精确 2D 姿态关键点的新颖数据集。
引用
@article{arxiv.1809.01890,
title = {Full-body High-resolution Anime Generation with Progressive Structure-conditional Generative Adversarial Networks},
author = {Koichi Hamada and Kentaro Tachibana and Tianqi Li and Hiroto Honda and Yusuke Uchida},
journal= {arXiv preprint arXiv:1809.01890},
year = {2018}
}
备注
Accepted to ECCV 2018 Workshop: Computer Vision for Fashion, Art and Design. Project page is at https://dena.com/intl/anime-generation