StyleSpace分析：StyleGAN图像生成的解耦控制
计算机视觉与模式识别
2020-12-04 v2 图形学
机器学习
摘要
我们利用在多个不同数据集上预训练的模型，探索并分析了最先进图像生成架构StyleGAN2的潜在风格空间。我们首先表明，通道级风格参数空间StyleSpace比先前工作所探索的其他中间潜在空间具有显著更好的解耦性。接下来，我们描述了一种发现大量风格通道的方法，其中每个通道都被证明以高度局部化且解耦的方式控制一个不同的视觉属性。第三，我们提出了一种简单的方法，利用预训练分类器或少量示例图像来识别控制特定属性的风格通道。结果表明，通过这些StyleSpace控制进行视觉属性操控，比先前工作提出的控制具有更好的解耦性。为此，我们采用了一种新提出的属性依赖度（Attribute Dependency）度量。最后，我们展示了StyleSpace控制对真实图像操控的适用性。我们的发现为通过简单直观的界面实现语义明确且良好解耦的图像操控铺平了道路。
引用
@article{arxiv.2011.12799,
title = {StyleSpace Analysis: Disentangled Controls for StyleGAN Image Generation},
author = {Zongze Wu and Dani Lischinski and Eli Shechtman},
journal= {arXiv preprint arXiv:2011.12799},
year = {2020}
}
备注
25 pages, 21 figures