GAN 中基于区域的语义分解
计算机视觉与模式识别
2022-08-25 v2
摘要
尽管生成对抗网络（GAN）潜空间中语义发现进展迅速，现有方法要么局限于寻找全局属性，要么依赖若干分割掩码来识别局部属性。本工作中，我们提出一种高效算法，用以分解 GAN 所学习的关于任意图像区域的潜语义。具体而言，我们重新审视使用预训练 GAN 进行局部编辑的任务，并将基于区域的语义发现表述为一个对偶优化问题。通过适当定义的广义瑞利商，我们无需任何标注或训练即可求解该问题。在多种最先进 GAN 模型上的实验结果证明了我们方法的有效性，以及在精确控制、区域鲁棒性、实现速度和易用性方面相对于先前方法的优越性。
关键词
引用
@article{arxiv.2202.09649,
title = {Region-Based Semantic Factorization in GANs},
author = {Jiapeng Zhu and Yujun Shen and Yinghao Xu and Deli Zhao and Qifeng Chen},
journal= {arXiv preprint arXiv:2202.09649},
year = {2022}
}