SEAN：基于语义区域自适应归一化的图像合成
计算机视觉与模式识别
2020-08-13 v2 图形学
图像与视频处理
摘要
我们提出语义区域自适应归一化（SEAN），这是一种简单而有效的构建模块，用于以描述期望输出图像中语义区域的分段掩码为条件的生成对抗网络（GAN）。利用SEAN归一化，我们可以构建一种网络架构，能够单独控制每个语义区域的风格，例如，我们可以为每个区域指定一个风格参考图像。在重建质量、多样性和视觉质量方面，SEAN比以往最佳方法更能编码、迁移和合成风格。我们在多个数据集上评估SEAN，并报告了优于当前最先进水平的量化指标（如FID、PSNR）。SEAN也推进了交互式图像编辑的前沿。我们可以通过更改分段掩码或任意给定区域的风格来交互式编辑图像。我们还可以对每个区域的两张参考图像进行风格插值。
引用
@article{arxiv.1911.12861,
title = {SEAN: Image Synthesis with Semantic Region-Adaptive Normalization},
author = {Peihao Zhu and Rameen Abdal and Yipeng Qin and Peter Wonka},
journal= {arXiv preprint arXiv:1911.12861},
year = {2020}
}
备注
Accepted as a CVPR 2020 oral paper. The interactive demo is available at https://youtu.be/0Vbj9xFgoUw