基于生成式自编码器均衡生长的图像操控方法研究
机器学习
2020-02-21 v2 计算机视觉与模式识别
机器学习
摘要
我们提出一种生成式自编码器，其提供快速编码、忠实重建（例如保留人脸身份）、高分辨率下清晰的生成/重建样本，以及支持对输入进行语义操控的良好结构化潜空间。目前没有自编码器或GAN模型能令人满意地同时实现所有这些。我们基于逐步生长的自编码器模型PIONEER构建，并依据对近期引入的归一化方案的细致分析彻底改变了其训练动态。我们在CelebAHQ上展示了人脸身份保持方面显著改善的视觉与定量结果。我们的模型在潜空间解耦上达到了SOTA水平，无论是在定量上还是通过真实图像属性操控。在LSUN Bedrooms数据集上，尽管模型更简单，我们仍改善了原始PIONEER的解耦性能。总体而言，我们的结果表明PIONEER网络为迈向照片级真实人脸操控提供了一条途径。
引用
@article{arxiv.1904.06145,
title = {Towards Photographic Image Manipulation with Balanced Growing of Generative Autoencoders},
author = {Ari Heljakka and Arno Solin and Juho Kannala},
journal= {arXiv preprint arXiv:1904.06145},
year = {2020}
}
备注
WACV 2020