用于高保真图像合成的分层组合 GAN
计算机视觉与模式识别
2023-04-21 v5
摘要
尽管近年来生成对抗网络 (GANs) 在图像合成方面进展迅速，现有图像合成方法仅在几何域或表观域单独工作，常引入各种合成伪影。本文提出一种创新的分层组合 GAN (HIC-GAN)，将几何域与表观域的图像合成纳入端到端可训练网络，并在两域同时实现优越的合成真实感。我们设计了一种创新的分层组合机制，能够在多前景物体参与图像组合时学习真实组合几何并处理遮挡。此外，我们引入一种新颖的注意力掩码机制，引导前景物体表观的自适应，也有助于为几何域学习提供更好的训练参考。在场景文本图像合成、人像编辑和室内渲染任务上的大量实验表明，所提 HIC-GAN 在定性与定量上均取得优越合成性能。
引用
@article{arxiv.1905.04693,
title = {Hierarchy Composition GAN for High-fidelity Image Synthesis},
author = {Fangneng Zhan and Jiaxing Huang and Shijian Lu},
journal= {arXiv preprint arXiv:1905.04693},
year = {2023}
}
备注
This work has been merged into another project