用于图像处理的监督式属性信息去除与重建
计算机视觉与模式识别
2022-07-15 v1
摘要
属性操作的目标是控制给定图像中的指定属性。先前的工作通过学习每个属性的解耦表示来解决这个问题,使其能够将编码的源属性操作为目标属性。然而,编码属性通常与相关图像内容相关。因此,源属性信息常常隐藏在解耦特征中,导致不想要的图像编辑效果。在本文中,我们提出一种属性信息去除与重建(AIRR)网络,它通过学习如何完全去除属性信息、创建排除属性的特征,然后学习在重建图像中直接注入所需属性,来防止此类信息隐藏。我们在四个具有多种属性的不同数据集上评估我们的方法,包括 DeepFashion Synthesis、DeepFashion Fine-grained Attribute、CelebA 和 CelebA-HQ,我们的模型在属性操作准确率和 top-k 检索率上平均比先前工作提高 10%。一项用户研究也报告称,在多达 76% 的情况下,AIRR 操作的图像比先前工作更受偏好。
引用
@article{arxiv.2207.06555,
title = {Supervised Attribute Information Removal and Reconstruction for Image Manipulation},
author = {Nannan Li and Bryan A. Plummer},
journal= {arXiv preprint arXiv:2207.06555},
year = {2022}
}
备注
Accepted at ECCV 2022