MU-GAN：基于多注意力机制的人脸属性编辑
量子物理
2021-09-01 v1
摘要
人脸属性编辑主要有两方面目标：1）将图像从源域转换到目标域；2）仅改变与目标属性相关的人脸区域并保留排除该属性的细节。本工作中，我们提出一种基于多注意力U-Net的生成对抗网络（MU-GAN）。首先，我们在生成器中以对称的类U-Net结构替换经典卷积编码器-解码器，然后应用加性注意力机制构建基于注意力的U-Net连接，以自适应地传递编码器表示来补充解码器的排除属性细节并增强属性编辑能力。其次，将自注意力机制引入卷积层以建模图像区域间的长程与多级依赖。实验结果表明，我们的方法能够平衡属性编辑能力与细节保留能力，并可解耦属性间的相关性。在属性操控精度与图像质量方面优于现有最优（SOTA）方法。
引用
@article{arxiv.2009.04176,
title = {Investigating the quench dynamics of the bound states in a spin-orbital coupling system using a trapped ion},
author = {Hao-Qing Zhang and Ming-Zhong Ai and Jin-Ming Cui and Yong-Jian Han and Chuan-Feng Li and Guang-Can Guo},
journal= {arXiv preprint arXiv:2009.04176},
year = {2021}
}
备注
15 pages, 13 figures