面向前馈图像处理的 StyleGAN2 蒸馏
计算机视觉与模式识别
2020-10-23 v2
摘要
StyleGAN2 是生成逼真图像的先进网络。此外，它被显式训练以在潜空间中具有解耦方向，从而可通过改变潜因子实现高效图像操控。编辑现有图像需要将给定图像嵌入 StyleGAN2 的潜空间。通过反向传播进行潜码优化常用于真实世界图像的定性嵌入，尽管其对许多应用而言慢得令人望而却步。我们提出一种将 StyleGAN2 的特定图像操控蒸馏为以成对方式训练的图像到图像网络的方法。所得流水线是针对现有基于非成对数据训练的 GAN 的一种替代方案。我们给出了人脸变换结果：性别互换、老化/年轻化、风格迁移与图像变形。我们表明，在这些特定任务中，使用本方法的生成质量可与 StyleGAN2 反向传播及当前最先进方法相媲美。
引用
@article{arxiv.2003.03581,
title = {StyleGAN2 Distillation for Feed-forward Image Manipulation},
author = {Yuri Viazovetskyi and Vladimir Ivashkin and Evgeny Kashin},
journal= {arXiv preprint arXiv:2003.03581},
year = {2020}
}
备注
Camera ready ECCV 2020