用于人脸与时尚合成的空间约束GAN
计算机视觉与模式识别
2021-12-07 v2
摘要
图像生成在学术与工业领域均引起了巨大关注，尤其是条件式与面向目标的图像生成，如罪犯肖像与时尚设计。尽管当前研究已沿此方向取得初步成果，它们通常聚焦于以类别标签作为条件，而空间内容由潜向量随机生成。由于空间信息难以保留，边缘细节往往模糊。有鉴于此，我们提出一种新颖的空间约束生成对抗网络(Spatially Constrained Generative Adversarial Network, SCGAN)，将空间约束从潜向量中解耦，使这些约束可作为额外的可控信号。为增强空间可控性，专门设计了一种生成器网络，逐步以语义分割图、潜向量和属性级标签作为输入。此外，构建了一个分割器网络对生成器施加空间约束。在实验中，我们在CelebA与DeepFashion数据集上给出了视觉与定量结果，表明所提SCGAN在控制空间内容与生成高质量图像方面非常有效。
引用
@article{arxiv.1905.02320,
title = {Spatially Constrained GAN for Face and Fashion Synthesis},
author = {Songyao Jiang and Hongfu Liu and Yue Wu and Yun Fu},
journal= {arXiv preprint arXiv:1905.02320},
year = {2021}
}
备注
Accepted to IEEE International Conference on Automatic Face and Gesture Recognition (FG), 2021