用于属性迁移的形状感知生成对抗网络
计算机视觉与模式识别
2020-10-13 v1
摘要
生成对抗网络（GANs）已成功应用于包括人脸图像在内的多个领域的视觉属性迁移。这一成功部分归因于人脸形状相似，且眼、鼻、口位置在不同人之间固定。当源域与目标域形状不同时，属性迁移更具挑战性。本文提出一种形状感知 GAN 模型，能够在属性迁移时保持形状，并将其应用于若干真实领域。与其他基于 GAN 的最优图像到图像翻译模型相比，我们所提模型在保持迁移学习效果质量的同时，能生成视觉上更具吸引力的结果。
引用
@article{arxiv.2010.05259,
title = {Shape-aware Generative Adversarial Networks for Attribute Transfer},
author = {Lei Luo and William Hsu and Shangxian Wang},
journal= {arXiv preprint arXiv:2010.05259},
year = {2020}
}