基于 GAN 的图像编辑中通过 NeuralODE 的潜空间变换
计算机视觉与模式识别
2021-11-30 v1 图形学
机器学习
摘要
高保真语义图像编辑的最新进展严重依赖于最先进生成模型（如 StyleGAN）中 presumed 解耦的潜空间。具体而言，近期工作表明，通过沿潜空间方向进行线性偏移，可实现对人脸图像属性的良好控制。若干近期方法致力于发现此类方向，隐式地假设最先进的 GAN 学习到的潜空间具有内在线性可分的属性分布和语义向量算术性质。在我们的工作中，我们展示了以可训练 Neural ODE 的流实现的非线性潜码操作，对许多具有更复杂非纹理变化因素的实用非人脸图像域是有益的。特别地，我们研究了大量具有已知属性的数据集，并证明某些属性操作仅用线性偏移难以实现。
引用
@article{arxiv.2111.14825,
title = {Latent Transformations via NeuralODEs for GAN-based Image Editing},
author = {Valentin Khrulkov and Leyla Mirvakhabova and Ivan Oseledets and Artem Babenko},
journal= {arXiv preprint arXiv:2111.14825},
year = {2021}
}
备注
Published at ICCV 2021