MUST-GAN：用于自驱动人物图像生成的多级统计量迁移
计算机视觉与模式识别
2021-04-12 v3
摘要
姿态引导的人物图像生成通常涉及使用成对源-目标图像来监督训练，这显著增加了数据准备工作量并限制了模型的应用。为了解决这个问题，我们提出了一种新颖的多级统计量迁移模型，该模型从人物图像中解耦并迁移多级外观特征，并将它们与姿态特征融合以重建源人物图像自身。从而源图像可作为自驱动人物图像生成的监督信号。具体而言，我们的模型从外观编码器中提取多级特征，并通过注意力机制和属性统计量学习最优外观表示。然后，我们将它们迁移到姿态引导生成器中，以重新融合外观与姿态。我们的方法允许灵活操控人物外观和姿态属性，以执行姿态迁移和服装风格迁移任务。在 DeepFashion 数据集上的实验结果证明了我们的方法相较于SOTA的有监督和无监督方法的优越性。此外，我们的方法在自然场景下也表现良好。
引用
@article{arxiv.2011.09084,
title = {MUST-GAN: Multi-level Statistics Transfer for Self-driven Person Image Generation},
author = {Tianxiang Ma and Bo Peng and Wei Wang and Jing Dong},
journal= {arXiv preprint arXiv:2011.09084},
year = {2021}
}
备注
Accepted by CVPR2021