生成融合图像：一者身份与另一者形状
计算机视觉与模式识别
2022-01-27 v2
摘要
通过操控两幅输入图像来生成新颖图像，是生成对抗网络（GAN）研究中的一个有趣问题。我们提出一种基于 GAN 的新网络，生成具有输入图像 x 的身份与输入图像 y 的形状的融合图像。我们的网络能以无监督方式同时在两个以上图像数据集上训练。我们定义身份损失 以捕捉图像 x 的身份，以及形状损失 以获取 y 的形状。此外，我们提出一种称为 Min-Patch 训练的新颖训练方法，使生成器聚焦于图像的关键部分而非整体。我们在 VGG Youtube Pose 数据集、Eye 数据集（MPIIGaze 与 UnityEyes）以及 Photo-Sketch-Cartoon 数据集上展示了定性结果。
引用
@article{arxiv.1804.07455,
title = {Generating a Fusion Image: One's Identity and Another's Shape},
author = {Donggyu Joo and Doyeon Kim and Junmo Kim},
journal= {arXiv preprint arXiv:1804.07455},
year = {2022}
}
备注
CVPR 2018