AttGAN: Facial Attribute Editing by Only Changing What You Want

最新推荐文章于 2024-09-09 08:15:13 发布

摩根0

最新推荐文章于 2024-09-09 08:15:13 发布

阅读量2.7k

点赞数 2

本文链接：https://blog.csdn.net/qq_35523233/article/details/85918537

版权

AttGAN是一种在CelebA数据集上训练的模型，用于仅更改想要修改的人脸属性。它通过分离属性和潜在表示来提高属性编辑的准确性，并采用分类误差、重构误差和对抗学习误差作为损失函数。该模型允许对特定属性风格进行连续控制，例如调整眼镜样式。

摘要由CSDN通过智能技术生成

AttGAN: Facial Attribute Editing by Only Changing What You Want

paper motivation

与starGANZ几乎同时间发表的另一篇人脸属性多领域迁移的论文。使用一个统一的框架进行人脸属性的迁移。
demo：https://www.youtube.com/watch?v=gnN4ZjEWe-8

主要贡献：

1.通过将latent representation与属性结合（将目标属性和encode输出结合），这样将属性和latent representation分开可以使迁移后的属性更加准确。
2.采用了属性分类误差，重构误差，对抗学习误差。与starGAN一样。
3.多领域的转换只需要一个网络模型。与starGAN一样

主要思想

在这里插入图片描述
如图网络结构：
在测试时，给定一张输入图像 $\mathbf { x } ^ { \mathbf { a } }$ 和N为的属性 $b$ 然后通过得到 $\mathbf { z } = G _ { e n c } \left( \mathbf { x } ^ { \mathbf { a } } \right)$