生成毛茸茸的汽车：跨多域解耦物体形状与外观

我们考虑一项新任务：跨多个域（例如狗和汽车）学习物体形状与外观的解耦表示。目标是学习一个生成模型，该模型学习一个中间分布，从每个域借用一部分属性，从而能够生成在任何域中都不曾独占存在的图像。这一挑战性问题要求从每个域中准确解耦物体形状、外观和背景，以便两个域的外观与形状因子可以互换。我们改进了一种现有方法，其能在单域内解耦因子，但在跨域时表现不佳。我们的关键技术贡献是用可微的视觉特征直方图表示物体外观，并优化生成器使得两幅具有相同潜外观因子但不同潜形状因子的图像产生相似直方图。在多个多域数据集上，我们证明了我们的方法能实现准确且一致的跨域外观与形状迁移。