MsCGAN：用于人物图像生成的多尺度条件生成对抗网络
计算机视觉与模式识别
2020-03-06 v3
摘要
合成任意姿态的高质量人物图像具有挑战性。本文提出一种新颖的多尺度条件生成对抗网络（MsCGAN），旨在将输入的条件人物图像转换为任意给定目标姿态的合成图像，其外观与纹理与输入图像一致。MsCGAN 是一个由两生成器与两判别器组成的多尺度对抗网络。一个生成器将条件人物图像全局转换为目标姿态的粗图像，另一个则通过局部增强网络提升合成人物图像的细节质量。两生成器的输出随后合并为一幅合成的、具判别性的高分辨率图像。另一方面，合成图像被下采样至多个分辨率作为多尺度判别器网络的输入。所提出的多尺度生成器与判别器处理不同层次的视觉特征，有助于合成具有真实外观与纹理的高分辨率人物图像。在 Market-1501 与 DeepFashion 数据集上进行了实验以评估所提模型，定性与定量结果均展示了 MsCGAN 的优越性能。
引用
@article{arxiv.1810.08534,
title = {MsCGAN: Multi-scale Conditional Generative Adversarial Networks for Person Image Generation},
author = {Wei Tang and Gui Li and Xinyuan Bao and Teng Li},
journal= {arXiv preprint arXiv:1810.08534},
year = {2020}
}