CIAGAN是一种条件匿名生成对抗网络，通过控制向量实现个体匿名，保持姿态不变。训练流程包括landmark检测、生成器和两个判别器的交互。生成器采用Auto-encoder结构，判别器分别负责真假判断和身份差异识别。代码实现基于PyTorch，数据集使用CelebA，并进行了预处理。训练脚本和模型结构文件详细说明了整个过程。
paper：
CIAGAN: Conditional Identity Anonymization Generative Adversarial Networks
code：
Official PyTorch implementation of CIAGAN
CIAGAN论文
CIAGAN能对原图进行匿名，之前的GAN匿名，有时会将多个原图映射到同一个假的身份，于是CIAGAN提出了一个控制向量的方法，来控制其生成过程；同时，CIAGAN通过使用面部landmark的方式来保持原图的姿态。
CIAGAN的训练流程
①上图中，首先将原图通过landmark detection形成面部的轮廓以及带有mask的背景图，将他们拼接成[B,6,128,128]维度的数据并馈送入生成器中。
②生成器时一个auto-encoder的形式，将目标图的onehot向量经过转置卷积神经网络形成[B,256,4,4]维度的数据，此时，输入到生成器中的数据经过下采样也是[B,256,4,4]的维度，然后将他们拼接为[B,512,4,4]维度的数据进行上采样，最终输入假图。
③图中右上角的判别器是用来判别图片的真假。
④图中右下角的判别器是身份判别器&
最低0.47元/天 解锁文章
1400
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
