StyleGAN 潜空间中基于张量的情感编辑
计算机视觉与模式识别
2022-05-13 v1
摘要
本文中，我们使用基于高阶奇异值分解（HOSVD）的张量模型来发现生成对抗网络中的语义方向。这是首先利用 e4e 编码器将结构化的面部表情数据库嵌入潜空间实现的。具体而言，我们发现了潜空间中对应于六种原型情绪（愤怒、厌恶、恐惧、快乐、悲伤、惊讶）以及偏航旋转的方向。这些潜空间方向被用于改变真实人脸图像的表达或偏航旋转。我们将发现的方向与其他两种方法发现的类似方向进行比较。结果表明，所得编辑的视觉质量与当前最优（State-of-the-Art）相当。也可得出结论，基于张量的模型非常适用于情感和偏航编辑，即可以在对新人脸图像的身份或图像中其他属性无显著影响的情况下稳健地改变其情感或偏航旋转。
引用
@article{arxiv.2205.06102,
title = {Tensor-based Emotion Editing in the StyleGAN Latent Space},
author = {René Haas and Stella Graßhof and Sami S. Brandt},
journal= {arXiv preprint arXiv:2205.06102},
year = {2022}
}
备注
Accepted for poster presentation at AI4CC @ CVPRW