用于灵活肖像操控的 PortraitGAN
计算机视觉与模式识别
2020-10-07 v2
摘要
先前的方法处理的是规范表情之外的离散面部属性操控，如微笑、悲伤、愤怒、惊讶等，它们不可扩展，且以单模态运作。本文中，我们提出一种新颖框架，利用对抗学习支持连续编辑与多模态肖像操控。具体而言，我们通过利用额外的面部关键点信息将循环一致性适配到条件设定中。这有两个效果：第一，循环映射诱导双向操控与身份保持；第二，来自不同模态的配对样本因此可被利用。为确保高质量合成，我们采用强制纹理一致性的纹理损失和促进梯度流的多级对抗监督。定量与定性实验显示了我们的框架在执行灵活且具照片级真实感的多模态肖像操控中的有效性。
引用
@article{arxiv.1807.01826,
title = {PortraitGAN for Flexible Portrait Manipulation},
author = {Jiali Duan and Xiaoyuan Guo and Yuhang Song and Chao Yang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:1807.01826},
year = {2020}
}