点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
小白导读
论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容。个人能力有限,理解难免出现偏差,建议对文章内容感兴趣的读者,一定要下载原文,了解具体内容。
源码链接:https://github.com/omertov/encoder4editing
摘要
最近,通过使用预先训练过的无条件生成器来执行图像编辑的各种方法出现了激增。然而,在真实图像上应用这些方法仍然是一个挑战,因为它必然需要将图像反转到它们的潜在空间。为了成功地反转真实图像,需要找到一种潜在的代码来准确地重建输入图像,更重要的是,允许对其进行有意义的操作。本文详细研究了最先进的无条件生成器StyleGAN的潜在空间。作者识别并分析在样式潜在空间中存在的扭曲-可编辑性权衡和扭曲-感知权衡。然后,作者提出了两个设计编码器的原则,使其能够控制与StyleGAN最初训练的区域的倒置的接近性。作者提出了一