鲁棒GAN逆映射
计算机视觉与模式识别
2023-09-01 v1 图像与视频处理
摘要
真实图像编辑的最新进展归功于对生成对抗网络(GANs)潜空间的探索。然而，该过程的主要挑战是GAN逆映射，其旨在将图像准确地映射到潜空间。现有在扩展潜空间上工作的方法无法同时实现低失真与高可编辑性。为解决此问题，我们提出一种在原生潜空间中工作并调整生成器网络以恢复缺失图像细节的方法。我们引入一种新颖的正则化策略，其可学习系数通过训练随机化的StyleGAN 2模型——WRanGAN获得。该方法在重建质量与计算效率上优于传统方法，以少4倍的参数实现了最低失真。此外，我们观察到对应于二值图像属性的超平面构建质量有轻微提升。我们在两个复杂数据集Flickr-Faces-HQ与LSUN Church上展示了方法的有效性。
引用
@article{arxiv.2308.16510,
title = {Robust GAN inversion},
author = {Egor Sevriugov and Ivan Oseledets},
journal= {arXiv preprint arXiv:2308.16510},
year = {2023}
}
备注
22 pages, 28 figures