重新训练 StyleGAN——构建大规模可扩展合成人脸数据集的第一步
神经与进化计算
2020-03-25 v1 计算机视觉与模式识别
摘要
StyleGAN 是一种最先进的生成对抗网络架构，可生成随机的二维高质量合成人脸数据样本。本文中，我们回顾 StyleGAN 架构与训练方法，并展示我们在多个替代公共数据集上重新训练它的经验。讨论了重新训练过程中出现的实际问题与挑战。给出了测试与验证结果，并提供了若干不同重新训练 StyleGAN 权重的比较分析。还讨论了该工具在构建大规模可扩展合成人脸数据集中的作用。
引用
@article{arxiv.2003.10847,
title = {Re-Training StyleGAN -- A First Step Towards Building Large, Scalable Synthetic Facial Datasets},
author = {Viktor Varkarakis and Shabab Bazrafkan and Peter Corcoran},
journal= {arXiv preprint arXiv:2003.10847},
year = {2020}
}