保持身份的人体姿态操控
计算机视觉与模式识别
2020-04-21 v1 图形学
机器学习
摘要
本文描述了一种新模型，该模型仅需少量某人的图像实例，即可生成新姿态下的图像，例如通过改变面部表情和朝向。与以往需要大量特定人物数据集进行训练的方法不同，我们的方法可以从极少的图像集开始，甚至从单张图像开始。为此，我们提出了角色自适应身份归一化 GAN（CainGAN），它利用嵌入器提取的空间特征并在源图像间进行组合。身份信息通过条件归一化在网络中传播。经过广泛的对抗训练后，CainGAN 接收某特定个体的面部图像并生成新的图像，同时保持该人物的身份。实验结果表明，生成图像的质量随推理时所用输入集的大小而提升。此外，定量测量表明，在训练数据有限时，CainGAN 的性能优于其他方法。
引用
@article{arxiv.2004.09169,
title = {Pose Manipulation with Identity Preservation},
author = {Andrei-Timotei Ardelean and Lucian Mircea Sasu},
journal= {arXiv preprint arXiv:2004.09169},
year = {2020}
}
备注
9 pages, journal article