用于姿态引导合成的无监督姿态流学习
计算机视觉与模式识别
2019-10-01 v1
摘要
姿态引导合成旨在生成任意目标姿态下的新图像,同时保留源图像中的外观细节。现有方法依赖于硬编码的空间变换或 3D 人体建模。它们常常忽略复杂的非刚性姿态形变或不匹配的遮挡区域,因而无法有效保留外观信息。本文中,我们提出一种无监督姿态流学习方案,学习将外观细节从源图像转移。基于这种学习到的姿态流,我们提出了 GarmentNet 和 SynthesisNet,二者均使用多尺度特征域对齐进行由粗到细的合成。在 DeepFashion、MVC 数据集以及额外的真实世界数据集上的实验表明,我们的方法与最先进方法相比具有优势,并能泛化到未见过的姿态和服装风格。
引用
@article{arxiv.1909.13819,
title = {Unsupervised Pose Flow Learning for Pose Guided Synthesis},
author = {Haitian Zheng and Lele Chen and Chenliang Xu and Jiebo Luo},
journal= {arXiv preprint arXiv:1909.13819},
year = {2019}
}
备注
12 pages, 13 figures