面向带几何变换越界图像的 GAN 反演
计算机视觉与模式识别
2021-08-23 v1
摘要
为了对真实图像进行成功的语义编辑，GAN 反演方法必须找到一个与预训练 GAN 模型域对齐的域内潜码。遗憾的是，这种域内潜码只能针对与 GAN 模型训练图像对齐的越界内图像找到。本文中，我们提出 BDInvert，一种新颖的 GAN 反演方法，用于对与 GAN 模型训练图像在几何上未对齐的越界图像进行语义编辑。为了寻找可语义编辑的潜码，BDInvert 将输入的越界图像反演到不同于原始潜空间的替代潜空间。我们还提出了一种正则化反演方法，以在替代空间中找到支持语义编辑的解。我们的实验表明，BDInvert 能有效支持带几何变换的越界图像的语义编辑。
引用
@article{arxiv.2108.08998,
title = {GAN Inversion for Out-of-Range Images with Geometric Transformations},
author = {Kyoungkook Kang and Seongtae Kim and Sunghyun Cho},
journal= {arXiv preprint arXiv:2108.08998},
year = {2021}
}
备注
Accepted to ICCV 2021. For supplementary material, see https://kkang831.github.io/publication/ICCV_2021_BDInvert/