HumanGAN：一种人体图像生成模型
计算机视觉与模式识别
2021-03-15 v1
摘要
生成对抗网络(GAN)在包括人体图像在内的多个领域的逼真图像合成中取得了优异性能。然而，它们通常采用全局编码采样输出的潜向量。这不便对图像中语义相关的独立部分进行控制，也无法生成仅在局部方面(如服装风格)存在差异的样本。我们针对这些局限，提出了一种着装人体图像生成模型，可对人体姿态、局部身体部位外观和服装风格进行控制。这是首个在统一框架中联合解决人体图像生成的多个方面的方法，包括全局外观采样、姿态迁移、部位与服装迁移以及部位采样。由于我们的模型在归一化、与姿态无关的空间中编码基于部位的潜外观向量，并将其扭曲至不同姿态，因而在姿态变化时保持了身体与服装外观。实验表明，我们灵活且通用的生成方法在真实感和输出分辨率方面优于用于姿态条件图像生成、姿态迁移和部位采样的特定任务基线。
引用
@article{arxiv.2103.06902,
title = {HumanGAN: A Generative Model of Humans Images},
author = {Kripasindhu Sarkar and Lingjie Liu and Vladislav Golyanik and Christian Theobalt},
journal= {arXiv preprint arXiv:2103.06902},
year = {2021}
}
备注
Accepted at CVPR21