HyperInverter：通过超网络改进 StyleGAN 反演

近年来，由于对 GAN 潜空间的探索与利用，真实图像编辑取得了惊人进展。GAN 反演是该流程的第一步，旨在将真实图像忠实地映射到潜码。遗憾的是，现有多数 GAN 反演方法无法满足以下三项要求中的至少一项：高重建质量、可编辑性与快速推理。本研究提出一种新颖的两阶段策略，可同时满足所有要求。第一阶段，我们训练一个编码器将输入图像映射到 StyleGAN2 的 $\mathcal{W}$ 空间，该空间已被证明具有极佳可编辑性但重建质量较低。第二阶段，我们利用一系列超网络来恢复反演过程中丢失的信息，从而补充初始阶段的重建能力。这两步相互补充，得益于超网络分支而获得高重建质量，并因在 $\mathcal{W}$ 空间中完成反演而具备优异可编辑性。我们的方法完全基于编码器，因而推理极快。在两个具挑战性数据集上的大量实验证明了本方法的优越性。