什么降低了编辑能力？面向改进 GAN 反演的领域特定混合细化

近来，反演方法聚焦于生成器中额外的信息（如权重或中间特征）以从高嵌入潜码细化反演与编辑结果。尽管这些技术在重建上获得合理提升，却降低了编辑能力，尤其在复杂图像上（如含遮挡、细致背景与伪影）。一个关键症结在于细化反演结果的同时避免编辑能力退化。为应对该问题，我们提出领域特定混合细化（DHR），其借鉴两类主流细化技术的优劣，在保真度提升的同时维持编辑能力。具体而言，我们首先提出领域特定分割将图像分为两部分：领域内与领域外部分。细化过程旨在维持领域内区域的可编辑性并提升两领域的保真度。我们通过权重调制与特征调制细化这两部分，称之为混合调制细化。我们提出的方法兼容所有潜码嵌入方法。扩展实验表明，我们的方法在真实图像反演与编辑上达到了 state-of-the-art。代码见 https://github.com/caopulan/Domain-Specific_Hybrid_Refinement_Inversion。