SLGAN：基于风格与隐变量引导的生成对抗网络用于理想妆容迁移与去除
计算机视觉与模式识别
2020-09-25 v3 多媒体
摘要
在使用生成对抗网络对人脸照片施加妆容时，有五个特征需要考虑。这些特征包括（1）面部组件，（2）交互式颜色调整，（3）妆容变化，（4）对姿态与表情的鲁棒性，以及（5）多参考图像的使用。已有若干相关工作被提出，主要使用生成对抗网络（GAN）。遗憾的是，它们都没有同时解决这五个特征。本文以创新的风格与隐变量引导的 GAN（SLGAN）弥补了这一空白。我们提出了一种新颖的感知妆容损失和一个基于直方图匹配迁移妆容风格以避免身份偏移问题的风格不变解码器。在实验中，我们表明我们的 SLGAN 优于或与最先进的方法相当。此外，我们表明我们的方案可以插值面部妆容图像以确定独特特征、比较现有方法，并帮助用户找到理想的妆容配置。
引用
@article{arxiv.2009.07557,
title = {SLGAN: Style- and Latent-guided Generative Adversarial Network for Desirable Makeup Transfer and Removal},
author = {Daichi Horita and Kiyoharu Aizawa},
journal= {arXiv preprint arXiv:2009.07557},
year = {2020}
}
备注
9 pages, 9 figures