多种面部属性的保持身份编辑:学习全局编辑方向和局部调整
原文中文,约400字,阅读约需1分钟。发表于: 。通过使用 StyleGANs 的潜在空间和提出的方法进行面部图像编辑,我们介绍了一种名为 ID-Style 的新架构,可以解决在属性处理过程中面临的身份丢失问题。ID-Style 的关键组件包括可学习的全局方向(LGD),为每个属性找到共享和半稀疏的方向,以及实例感知强度预测器(IAIP)网络,根据输入实例对全局方向进行微调。尽管与类似的最先进作品相比,网络尺寸减小了约...
该文介绍了一种名为ID-Style的新架构,通过使用StyleGANs的潜在空间和提出的方法进行面部图像编辑,可以解决在属性处理过程中面临的身份丢失问题。ID-Style的关键组件包括可学习的全局方向和实例感知强度预测器网络。尽管网络尺寸减小了约95%,但其在身份保持度量和操作平均准确度分别优于基线10%和7%。