STGAN：一种用于任意图像属性编辑的统一选择性迁移网络
计算机视觉与模式识别
2019-04-24 v1
摘要
任意属性编辑通常可通过结合编码器-解码器与生成对抗网络（GAN）来解决。然而，编码器-解码器中的瓶颈层通常导致模糊且低质量的编辑结果。而添加跳跃连接虽提升了图像质量，却以削弱属性操控能力为代价。此外，现有方法利用目标属性向量来引导向期望目标域的灵活迁移。在本工作中，我们建议从选择性迁移的角度解决这些问题。考虑到特定的编辑任务必然仅与发生变化的属性相关，而非所有目标属性，我们的模型选择性地将目标与源属性向量之差作为输入。进一步地，选择性迁移单元被整合进编码器-解码器，以自适应地选择并修改编码器特征，从而增强属性编辑。实验表明，我们的方法（即 STGAN）同时提升了属性操控精度与感知质量，并在任意人脸属性编辑与季节转换任务中优于当前最优（SOTA）方法。
引用
@article{arxiv.1904.09709,
title = {STGAN: A Unified Selective Transfer Network for Arbitrary Image Attribute Editing},
author = {Ming Liu and Yukang Ding and Min Xia and Xiao Liu and Errui Ding and Wangmeng Zuo and Shilei Wen},
journal= {arXiv preprint arXiv:1904.09709},
year = {2019}
}