StyleRes：利用StyleGAN变换残差实现真实图像编辑
计算机视觉与模式识别
2023-01-02 v1
摘要
我们提出了一种新颖的图像反演框架和训练流程，以实现高保真图像反演与高质量属性编辑。将真实图像反演到 StyleGAN 的潜空间是一个被广泛研究的问题，然而图像重建保真度与图像编辑质量之间的权衡仍然是一个开放挑战。低维率潜空间在其高保真重建的表达能力上受限。另一方面，高维率潜空间会导致编辑质量下降。在本工作中，为实现高保真反演，我们在更高潜码中学习低层潜码无法编码的残差特征。这使得在重建中保留图像细节成为可能。为实现高质量编辑，我们学习如何变换残差特征以适应潜码中的操控。我们训练该框架通过一种新颖的架构流程和循环一致性损失来提取残差特征并对其进行变换。我们进行了大量实验，并将我们的方法与最先进的反演方法进行比较。定性指标与视觉对比显示了显著改进。代码：https://github.com/hamzapehlivan/StyleRes
引用
@article{arxiv.2212.14359,
title = {StyleRes: Transforming the Residuals for Real Image Editing with StyleGAN},
author = {Hamza Pehlivan and Yusuf Dalva and Aysegul Dundar},
journal= {arXiv preprint arXiv:2212.14359},
year = {2023}
}