极简笔记 A Variational U-Net for Conditional Appearance and Shape Generation

本文介绍了一种结合条件变分自编码器(CVAE)和U-Net的方法,用于根据输入的人体图像和目标姿态生成新图像,同时保留原始图像的外观信息。通过训练网络学习外观分布并处理形状变化,实验表明网络在保留衣服颜色的同时,往往丢失了如人脸等细节信息。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

极简笔记 A Variational U-Net for Conditional Appearance and Shape Generation

本文利用条件变分自编码器(CVAE),输入一张人体图片和目标姿态,生成目标姿态的合成人体图片,并保留原图的appearance信息。 记输入图片xxx, 姿态信息yyy, 表观信息zzz, 网络结构如下图:
在这里插入图片描述

VAE部分通过输入图像和图像中对应姿态学习appearance的分布q(z∣x,y^)q(z|x,\hat{y})q</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值