MagGAN：基于掩码引导生成对抗网络的高分辨率人脸属性编辑
计算机视觉与模式识别
2020-10-06 v1 人工智能
多媒体
摘要
我们提出掩码引导生成对抗网络（MagGAN）用于高分辨率人脸属性编辑，其中来自预训练人脸解析器的语义人脸掩码被用于引导细粒度图像编辑过程。通过引入掩码引导重建损失，MagGAN 学会仅编辑与所需属性变化相关的面部部分，同时保留与属性无关的区域（例如，修改为“秃头”时的帽子、围巾）。此外，引入了一种新颖的掩码引导条件策略，将每个属性变化的影响区域整合进生成器。另外，提出了一种多级块级判别器结构，以将我们的模型扩展到高分辨率（）人脸编辑。在 CelebA 基准上的实验表明，所提方法在图像质量和编辑性能方面均显著优于先前的最先进方法。
引用
@article{arxiv.2010.01424,
title = {MagGAN: High-Resolution Face Attribute Editing with Mask-Guided Generative Adversarial Network},
author = {Yi Wei and Zhe Gan and Wenbo Li and Siwei Lyu and Ming-Ching Chang and Lei Zhang and Jianfeng Gao and Pengchuan Zhang},
journal= {arXiv preprint arXiv:2010.01424},
year = {2020}
}
备注
published at ACCV2020