基于 StyleALAE 利用一次性域适应实现真实世界图像语义人脸编辑
计算机视觉与模式识别
2021-09-01 v1
摘要
真实世界人脸图像的语义编辑是生成模型的重要应用。近来，多项工作探索了利用预训练 GAN 模型的潜空间结构来生成此类修改的可能技术。然而，这类方法通常需要训练一个编码器网络，而这往往是一个耗时且耗费资源的过程。此类基于 GAN 的架构的一个可能替代方案是 styleALAE，一种基于潜空间的自编码器，能够生成高质量的照片级真实感图像。遗憾的是，styleALAE 中的重建图像并不能保留输入人脸图像的身份。这限制了 styleALAE 在已知身份图像的语义人脸编辑中的应用。在我们的工作中，我们利用一次性域适应的最新进展来解决这一问题。我们的工作确保重建图像的身份与给定输入图像相同。我们进一步利用预训练 styleALAE 模型的潜空间在重建图像上生成语义修改。结果表明，我们的方法能够在保留身份的同时对任意真实世界人脸图像生成语义修改。
引用
@article{arxiv.2108.13876,
title = {One-shot domain adaptation for semantic face editing of real world images using StyleALAE},
author = {Ravi Kiran Reddy and Kumar Shubham and Gopalakrishnan Venkatesh and Sriram Gandikota and Sarthak Khoche and Dinesh Babu Jayagopi and Gopalakrishnan Srinivasaraghavan},
journal= {arXiv preprint arXiv:2108.13876},
year = {2021}
}
备注
12 pages, 3 figures