学习操控图像中的单个对象
计算机视觉与模式识别
2020-04-14 v1
摘要
我们描述了一种训练生成模型的方法，其潜在因子（近似）独立且局部化。这意味着扰动潜在变量仅影响合成图像的局部区域，对应于对象。与其他无监督生成模型不同，我们的模型支持以对象为中心的操控，且不需要对象级标注，实际上也不需要任何形式的标注。我们方法的关键在于空间解耦（由上下文信息分离损失强制）与感知循环一致性（由惩罚因潜在因子扰动引起的图像分割变化的损失强制）的结合。我们在现有数据集上测试了我们的方法对空间与语义变异因素独立控制的能力，并引入了两个新数据集以凸显当前方法的局限性。
引用
@article{arxiv.2004.05495,
title = {Learning to Manipulate Individual Objects in an Image},
author = {Yanchao Yang and Yutong Chen and Stefano Soatto},
journal= {arXiv preprint arXiv:2004.05495},
year = {2020}
}