用于精细人物图像合成的区域自适应纹理增强
计算机视觉与模式识别
2020-10-12 v1
摘要
生成令人信服的纹理细节的能力对于合成人物图像的保真度至关重要。然而，现有方法通常遵循一种“基于扭曲”的策略，通过用于姿态迁移的同一路径传播外观特征。然而，由于下采样，大多数细粒度特征会丢失，导致输出图像中衣服过度平滑且细节缺失。本文提出 RATE-Net，一种用于合成具有清晰纹理细节人物图像的新框架。所提框架利用一个额外的纹理增强模块从源图像中提取外观信息并估计细粒度残差纹理图，有助于细化来自姿态迁移模块的粗估计。此外，我们设计了一种有效的交替更新策略，以促进两个模块之间的相互引导，从而获得更好的形状与外观一致性。在 DeepFashion 基准数据集上的实验证明了我们的框架相对于现有网络的优越性。
引用
@article{arxiv.2005.12486,
title = {Region-adaptive Texture Enhancement for Detailed Person Image Synthesis},
author = {Lingbo Yang and Pan Wang and Xinfeng Zhang and Shanshe Wang and Zhanning Gao and Peiran Ren and Xuansong Xie and Siwei Ma and Wen Gao},
journal= {arXiv preprint arXiv:2005.12486},
year = {2020}
}
备注
Accepted in ICME 2020 oral, Recommended for TMM journal