StyleFlow是一篇新论文中提出的用于StyleGAN生成图像的属性条件探索和编辑方法，解决了GAN隐空间属性耦合的问题，实现了细粒度的图像编辑，如在不改变其他特征的情况下为人脸添加胡子或改变性别、年龄等属性。通过大量定性和定量比较，StyleFlow在人脸和车辆编辑任务上表现出色。目前，代码尚未开源。
向大家介绍一篇新出来的使用GAN进行可控图像生成的新论文：
StyleFlow: Attribute-conditioned Exploration of StyleGAN-Generated Images using Conditional Continuous Normalizing Flows
作者 | Rameen Abdal, Peihao Zhu, Niloy Mitra, Peter Wonka
单位 | 阿卜杜拉国王科技大学；UCL , Adobe Research
论文 | https://arxiv.org/abs/2008.02401
主页 | https://rameenabdal.github.io/StyleFlow/
目前图像生成和编辑技术正趋于成熟。当前可以通过无条件的GAN(如StyleGAN)生成高质量、多样化和逼真的图像。
但在某一个属性上编辑图像仍存在困难，由于GAN隐空间(latent space)的属性耦合，在某个属性上图像编辑往往带来了不想要的其他属性的改变。
最低0.47元/天 解锁文章
1190
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
