全特征属性迁移

图像属性迁移旨在将输入图像更改为具有期望属性的目标图像，近年来受到显著关注。然而，现有大多数方法缺乏将目标属性与无关信息（即其他属性和背景信息）解相关的能力，因此常常出现模糊与伪影。为解决这些问题，我们提出了一种新颖的属性流形编码 GAN（AME-GAN）用于全特征属性迁移，其能够修改和调整图像中的每一个细节。具体而言，我们的方法在流形上将输入图像划分为图像属性部分与图像背景部分，分别由属性潜变量与背景潜变量控制。通过分别强制属性潜变量服从高斯分布、背景潜变量服从均匀分布，属性迁移过程变得可控且图像生成更加逼真。此外，我们采用条件多尺度判别器来生成准确且高质量的目标属性图像。在三个流行数据集上的实验结果证明了我们所提方法在属性迁移性能与图像生成质量上的优越性。