#今日论文推荐# SIGGRAPH 2022 | 用于图像编辑的自条件生成对抗网络

#今日论文推荐# SIGGRAPH 2022 | 用于图像编辑的自条件生成对抗网络

本文是 SIGGRAPH 2022入选论文《Self-Conditioned Generative Adversarial Networks for Image Editing》的解读。该论文由北京大学陈宝权课题组和特拉维夫大学合作，第一作者刘云蛰为北京大学图灵班2018级本科生。文章提出了一种提高生成对抗网络（GANs）在数据分布边缘的生成效果的方法。在此基础上，相关的编辑算法的效果也得到了改进。实验证明，我们的方法成功提高了 StyleGAN 这一广泛认可的人脸生成模型在边缘侧的生成、编辑效果。

生成对抗网络（GANs）已经在很多生成相关的任务中取得了卓越的成果。近年来，许多研究人员深入挖掘 GAN 的隐空间性质，由此提出了大量的语义图像编辑方法。然而，在传统的方法中，为了提高对数据分布主体部分的拟合效果，在数据集的分布边缘，GAN 的生成效果会显著下降。因此，以这样的 GAN 的隐空间为基础的编辑方法，在数据边缘的编辑效果较差。例如，许多编辑算法都可以对 StyleGAN 生成的人脸的位姿进行一定程度的编辑，但当我们希望将原图片编辑到边缘位姿时，这些算法的表现就不够理想了。

论文题目：Self-Conditioned Generative Adversarial Networks for Image Editing
详细解读：https://www.aminer.cn/research_report/62ac0a037cb68b460fd49788?download=falsehttps://www.aminer.cn/research_report/62ac0a037cb68b460fd49788?download=false
AMiner链接：https://www.aminer.cn/?f=cs