基于内部表征拼贴的空间可控图像合成
计算机视觉与模式识别
2019-04-10 v2 机器学习
摘要
我们提出了一种新颖的基于 CNN 的图像编辑策略，允许用户通过在训练好的 GAN 模型中操纵图像的特征空间表征，在任意区域上改变图像的语义信息。我们将展示我们策略的两种变体：(1) 空间条件批归一化 (sCBN)，一种带有用户可指定空间权重图的条件批归一化；(2) 特征混合，一种直接修改中间特征的方法。我们的方法可用于编辑人工图像和真实图像，并且都可以与任何带有条件归一化层的 GAN 一起使用。我们将通过在用不同数据集训练的各种类型 GAN 上的实验来展示我们方法的威力。代码将发布于 https://github.com/pfnet-research/neural-collage。
引用
@article{arxiv.1811.10153,
title = {Spatially Controllable Image Synthesis with Internal Representation Collaging},
author = {Ryohei Suzuki and Masanori Koyama and Takeru Miyato and Taizan Yonetsuji and Huachun Zhu},
journal= {arXiv preprint arXiv:1811.10153},
year = {2019}
}