由图像合成生成的生成式分层特征
计算机视觉与模式识别
2021-04-06 v2
摘要
生成对抗网络（GANs）近期通过学习观测数据的底层分布推进了图像合成。然而，从解决图像生成任务中所学到的特征如何适用于其他视觉任务，仍鲜有探索。在本工作中，我们表明学习合成图像可以带来可泛化到广泛应用的可观分层视觉特征。具体而言，我们将预训练的StyleGAN生成器视为一个学习到的损失函数，并利用其逐层表示来训练一个新颖的分层编码器。我们的编码器所产生的视觉特征，称为生成式分层特征（GH-Feat），对包括图像编辑、图像调和、图像分类、人脸验证、关键点检测和布局预测在内的生成与判别任务均具有强迁移性。大量定性与定量实验结果展示了GH-Feat的优异性能。
引用
@article{arxiv.2007.10379,
title = {Generative Hierarchical Features from Synthesizing Images},
author = {Yinghao Xu and Yujun Shen and Jiapeng Zhu and Ceyuan Yang and Bolei Zhou},
journal= {arXiv preprint arXiv:2007.10379},
year = {2021}
}
备注
CVPR 2021 camera-ready