扭曲的GAN：基于非配对数据的语义属性编辑
计算机视觉与模式识别
2026-05-14 v4
摘要
深度神经网络近来已被成功用于图像编辑，尤其是人脸编辑。然而，它们常受限于只能在受限分辨率范围内工作。许多方法过于灵活，导致人脸编辑常出现不必要的身份丢失。本工作提出通过学习应用平滑扭曲场来进行语义图像编辑。先前尝试使用扭曲进行语义编辑的方法需要配对数据，即同一主体具有不同语义属性的示例图像。相比之下，我们采用生成对抗网络(GAN)的最新进展，使模型可使用非配对数据进行训练。我们以单次前向传播低分辨率深度网络，实现了极高分辨率（4k图像）下的人脸编辑。我们还表明我们的编辑在保留主体身份方面明显更优。我们在Cub200鸟类数据集上展示了合理的图像编辑结果，证明了方法的鲁棒性。据我们所知，由于该数据集的挑战性，此前尚未实现过这一点。
引用
@article{arxiv.1811.12784,
title = {The GAN that Warped: Semantic Attribute Editing with Unpaired Data},
author = {Gara Dorta and Sara Vicente and Neill D. F. Campbell and Ivor J. A. Simpson},
journal= {arXiv preprint arXiv:1811.12784},
year = {2026}
}
备注
CVPR 2020