风格干预：如何利用基于风格的生成器实现空间解耦？
计算机视觉与模式识别
2020-11-20 v1
摘要
具有基于风格的生成器（如 StyleGAN）的生成对抗网络（GANs）成功实现了对图像合成语义层面的控制，近期研究也揭示通过修改潜码可获得可解释的图像变换。然而，在底层图像内容方面，在潜空间中游走会导致对应图像发生“空间纠缠变化”，这在许多需要局部编辑的实际应用中是不利的。为解决该问题，我们分析了“风格空间”的性质，并探索了利用预训练基于风格的生成器控制局部变换的可能性。具体而言，我们提出“风格干预”（Style Intervention），一种轻量的基于优化的算法，可适应任意输入图像并在灵活目标下渲染自然的变换效果。我们在高分辨率图像的人脸属性编辑中验证了所提框架的性能，该任务要求真实感与一致性兼备。大量定性结果证明了方法的有效性，定量指标也表明所提算法在多方面优于最先进的基准。
引用
@article{arxiv.2011.09699,
title = {Style Intervention: How to Achieve Spatial Disentanglement with Style-based Generators?},
author = {Yunfan Liu and Qi Li and Zhenan Sun and Tieniu Tan},
journal= {arXiv preprint arXiv:2011.09699},
year = {2020}
}