基于自适应亲和图网络的结构感知人体重塑
计算机视觉与模式识别
2025-01-28 v3
摘要
给定源肖像，自动人体重塑任务旨在将其编辑为审美人体形状。虽然该技术在媒体领域得到广泛应用，但现有方法主要关注生成光流以变形人体形状，忽略了全局亲和关系，限制了跨整个人体一致性和质量的保证。本文提出一种新型自适应亲和图网络（Adaptive Affinity-Graph Network, AAGN），从不同身体部位中提取全局亲和关系以提升生成光流的质量。具体设计包括：（1）提出的自适应亲和图块（Adaptive Affinity-Graph, AAG）利用完全连接图的特性，将身体各部位表示为图中的节点，捕获节点之间的所有亲和关系以获得全局亲和图。该设计能更好地提高身体部位之间的一致性。（2）鉴于高频细节对照片审美至关重要，设计了身体形状判别器（Body Shape Discriminator, BSD），从高频和空间域中提取信息。具体而言，采用 SRM 滤波器提取高频细节，将其与空间特征拼接作为 BSD 的输入。通过该设计，BSD 指导光流生成器（Flow Generator, FG）关注各种细节而非僵化的像素级匹配。在 BR-5K 数据集上进行的大量实验表明，该框架显著提升了重塑后照片的审美效果，超越了所有以往工作，在所有评估指标上实现了最新水平（SOTA）。
引用
@article{arxiv.2404.13983,
title = {Structure-Aware Human Body Reshaping with Adaptive Affinity-Graph Network},
author = {Qiwen Deng and Yangcen Liu and Wen Li and Guoqing Wang},
journal= {arXiv preprint arXiv:2404.13983},
year = {2025}
}
备注
13 pages