TunaGAN：用于智能编辑的可解释 GAN
计算机视觉与模式识别
2019-08-20 v1
摘要
在本文中，我们提出了一种可调生成对抗网络（TunaGAN），它在现有生成器网络（StyleGAN）之上使用一个辅助网络，根据用户的高级指令修改高分辨率人脸图像，取得了良好的定性与定量性能。为了优化特征解耦，我们还研究了两种可用于遍历修改的潜在空间。针对模型鲁棒性，我们详细刻画了模式崩溃问题。本工作可轻松扩展至基于其他 GAN 的内容感知图像编辑器，并为更一般设置下的模式崩溃问题提供见解。
引用
@article{arxiv.1908.06163,
title = {TunaGAN: Interpretable GAN for Smart Editing},
author = {Weiquan Mao and Beicheng Lou and Jiyao Yuan},
journal= {arXiv preprint arXiv:1908.06163},
year = {2019}
}