weixin_48854146的博客

原创 Drag GAN 论文浅读

这是使用两种新的部分来实现的：一种是潜在代码的优化，它将多个操纵点向其目标位置递增地移动，另一种是点跟踪程序，它忠实地跟踪操纵点的轨迹。在这项工作中，我们表明，可以在不使用任何上述方法（2.2提到的方法）或额外的神经网络的情况下对GAN生成的图像进行点跟踪。在不同的数据集上进行操作，均实现了不错的效果。其中图像变形这些操作是在GAN学习的生成图像流上执行的，倾向于遵从底层的目标结构，并非简单的应用扭曲（不是“挤压像素”，而是“重新生成物体”）因此即使对于具有挑战性的场景，如遮挡内容也可以产生逼真的输出。