用于潜空间操控的代理梯度场

生成对抗网络（GANs）可从采样的潜码生成高质量图像。近期工作尝试通过操控底层潜码来编辑图像，但极少超越属性调整这一基本任务。我们提出首个支持以关键点与描述文本等多维条件进行操控的方法。具体而言，我们设计了一种算法，基于由辅助映射网络诱导的代理梯度场（SGF）搜索满足目标条件的新潜码。为定量比较，我们提出一种评估操控方法解耦性的指标。在人脸属性调整任务上的详尽实验分析表明，我们的方法在解耦性上优于最先进的方法。我们进一步将方法应用于不同条件模态的任务，证明我们的方法可改变关键点与描述文本等复杂图像属性。