S^2-Flow：人脸图像的联合语义与风格编辑
计算机视觉与模式识别
2022-11-23 v1
摘要
生成对抗网络（GANs）所生成的高质量图像促使人们研究其在图像编辑中的应用。然而，GANs 在提供执行特定编辑的控制能力方面常常受限。主要挑战之一是 GANs 的纠缠潜空间，其并不直接适用于执行独立且细致的编辑。近期的编辑方法要么支持受控的风格编辑，要么支持受控的语义编辑。此外，使用语义掩码编辑图像的方法难以保持身份，且无法执行受控的风格编辑。我们提出一种方法，将 GAN 的潜空间解耦为语义空间和风格空间，从而在同一框架内独立地实现人脸图像的受控语义与风格编辑。为此，我们设计了一种基于编码器-解码器的网络架构（S^2-Flow），其融入了两个提出的归纳偏置。我们通过执行多种语义与风格编辑，定量和定性地展示了 S^2-Flow 的适用性。
引用
@article{arxiv.2211.12209,
title = {$S^2$-Flow: Joint Semantic and Style Editing of Facial Images},
author = {Krishnakant Singh and Simone Schaub-Meyer and Stefan Roth},
journal= {arXiv preprint arXiv:2211.12209},
year = {2022}
}
备注
Accepted to BMVC 2022