面向无监督语义人脸编辑的潜空间解耦方法

StyleGAN生成图像中的面部属性在潜空间中相互纠缠，使得很难在不影响其他属性的情况下独立控制某一特定属性。有监督的属性编辑需要带标注的训练数据，这类数据难以获取，并将可编辑属性限制于有标签的那些。因此，解耦潜空间中的无监督属性编辑是实现干净且多样语义人脸编辑的关键。本文提出一种称为结构-纹理独立架构与权重分解及正交正则化（STIA-WO）的新技术，以解耦潜空间用于无监督语义人脸编辑。通过将STIA-WO应用于GAN，我们开发了名为STGAN-WO的StyleGAN，其通过利用风格向量构建完全可控权重矩阵来调节图像合成以实现权重分解，并采用正交正则化确保风格向量的每个分量仅控制一个独立特征矩阵。为进一步解耦面部属性，STGAN-WO引入结构-纹理独立架构，利用两个独立同分布（i.i.d.）潜向量以解耦方式控制纹理与结构成分的合成。无监督语义编辑通过沿正交方向在粗层移动潜码以改变纹理相关属性，或改变细层潜码以操控结构相关属性来实现。我们给出的实验结果表明，我们的新STGAN-WO能比当前最优方法实现更好的属性编辑。