TransEditor：基于 Transformer 的双空间 GAN 用于高可控人脸编辑
计算机视觉与模式识别
2022-04-01 v1 机器学习
摘要
StyleGAN 等近期进展推动了可控人脸编辑的发展。为解决其在单一潜空间中属性解耦的核心挑战，已有尝试采用双空间 GAN 以更好地解耦风格与内容表示。然而，这些方法仍难以获得具有高可控性且合理的编辑结果，尤其对于复杂属性。在本研究中，我们强调双空间 GAN 中交互对于更可控编辑的重要性。我们提出 TransEditor，一种新颖的基于 Transformer 的框架来增强此类交互。此外，我们开发了一种新的双空间编辑与反演策略以提供额外的编辑灵活性。大量实验证明了所提框架在图像质量与编辑能力上的优越性，表明 TransEditor 对于高可控人脸编辑的有效性。
引用
@article{arxiv.2203.17266,
title = {TransEditor: Transformer-Based Dual-Space GAN for Highly Controllable Facial Editing},
author = {Yanbo Xu and Yueqin Yin and Liming Jiang and Qianyi Wu and Chengyao Zheng and Chen Change Loy and Bo Dai and Wayne Wu},
journal= {arXiv preprint arXiv:2203.17266},
year = {2022}
}
备注
CVPR 2022. Code: https://github.com/BillyXYB/TransEditor Project page: https://billyxyb.github.io/TransEditor/