用于人体图像生成的 XingGAN
计算机视觉与模式识别
2020-07-21 v1 机器学习
图像与视频处理
摘要
我们提出一种新颖的生成对抗网络(XingGAN 或 CrossingGAN)用于人体图像生成任务，即将给定的人的姿态转换为期望的姿态。所提出的 Xing 生成器由两个分别建模人体外观与形状信息的生成分支组成。此外，我们提出两个新颖的模块，以交叉方式有效迁移并更新人体的形状与外观嵌入，使其相互提升，这是现有任何基于 GAN 的图像生成工作所未考虑的。在 Market-1501 与 DeepFashion 两个具有挑战性的数据集上的大量实验表明，所提出的 XingGAN 在客观量化指标与主观视觉真实感方面均推进了最先进(SOTA)性能。源代码与训练好的模型可在 https://github.com/Ha0Tang/XingGAN 获取。
引用
@article{arxiv.2007.09278,
title = {XingGAN for Person Image Generation},
author = {Hao Tang and Song Bai and Li Zhang and Philip H. S. Torr and Nicu Sebe},
journal= {arXiv preprint arXiv:2007.09278},
year = {2020}
}
备注
Accepted to ECCV 2020, camera ready (16 pages) + supplementary (6 pages)