迈向自动图像编辑：学习看见另一个你
计算机视觉与模式识别
2015-11-30 v1
摘要
学习图像分布以生成新样本是一项挑战，因为数据具有高维度和涉及的高度非线性关系。然而，基于深度网络架构，文献中最近报道了一些有前景的结果。本工作中，我们关注一种特定类型的图像生成：给定一幅图像并知道其所属对象类别（例如人脸），我们的目标是生成相似且合理的图像，但带有一些改变的属性。这尤其具有挑战性，因为模型需要学习解耦每个属性的影响，并将期望的属性改变应用于给定输入图像，同时保持其他属性和整体对象外观不变。为此，我们学习了一个卷积网络，其中期望的属性信息被编码然后在特征图级别与编码图像合并。我们在两个人脸数据集（MultiPie 和 CAS-PEAL-R1）的检索实验中，从定性和定量上展示了有前景的结果。
引用
@article{arxiv.1511.08446,
title = {Towards Automatic Image Editing: Learning to See another You},
author = {Amir Ghodrati and Xu Jia and Marco Pedersoli and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:1511.08446},
year = {2015}
}