QC-StyleGAN——质量可控的图像生成与编辑
计算机视觉与模式识别
2022-12-08 v2 人工智能
摘要
高质量图像生成模型尤其是StyleGAN系列的引入，为合成和编辑图像提供了强大工具。然而，现有模型以高质量（HQ）数据作为期望输出构建，使其不适用于作为常见编辑输入的野生低质量（LQ）图像。本文通过提出一种允许生成质量可控图像的新型GAN结构来弥补这一差距。该网络可通过质量控制码合成各种图像退化并恢复清晰图像。我们提出的QC-StyleGAN可通过应用GAN逆映射与编辑技术直接编辑LQ图像而不改变其质量。它还免费提供了一种可处理包括噪声、模糊、压缩伪影及其混合在内的多种退化的图像复原方案。最后，我们展示了众多其他应用，如图像退化合成、迁移与插值。代码见 https://github.com/VinAIResearch/QC-StyleGAN。
引用
@article{arxiv.2212.00981,
title = {QC-StyleGAN -- Quality Controllable Image Generation and Manipulation},
author = {Dat Viet Thanh Nguyen and Phong Tran The and Tan M. Dinh and Cuong Pham and Anh Tuan Tran},
journal= {arXiv preprint arXiv:2212.00981},
year = {2022}
}
备注
Accepted to NeurIPS 2022; The code is available at https://github.com/VinAIResearch/QC-StyleGAN