在预训练 GAN 潜空间上学习深度强化学习策略以实现语义年龄编辑
计算机视觉与模式识别
2021-04-29 v2
摘要
学习潜空间的解耦表示已成为计算机视觉中最基础的问题之一。近来，许多生成对抗网络（GANs）在生成高保真图像方面展现出可喜结果。然而，理解预训练模型潜空间语义布局的研究仍很有限。若干工作训练条件 GAN 以生成具有所需语义属性的人脸。遗憾的是，这些尝试中生成输出常不如无条件最先进模型那般照片真实，且它们还需大量计算资源与特定数据集来生成高保真图像。在我们的工作中，我们在预训练 GAN 模型的潜空间上构建了一个马尔可夫决策过程（MDP），以学习在既定身份边界下沿特定属性进行语义编辑的条件策略。此外，我们利用潜空间上的局部线性近似定义了语义年龄编辑方案。结果表明，我们所学习的策略能采样出具有所需年龄改变且保留人物身份的高保真图像。
引用
@article{arxiv.2011.00954,
title = {Learning a Deep Reinforcement Learning Policy Over the Latent Space of a Pre-trained GAN for Semantic Age Manipulation},
author = {Kumar Shubham and Gopalakrishnan Venkatesh and Reijul Sachdev and Akshi and Dinesh Babu Jayagopi and G. Srinivasaraghavan},
journal= {arXiv preprint arXiv:2011.00954},
year = {2021}
}
备注
Accepted by the 2021 International Joint Conference on Neural Networks (IJCNN 2021)