論文の概要: OrthoGAN: Multifaceted Semantics for Disentangled Face Editing
- arxiv url: http://arxiv.org/abs/2211.11825v1
- Date: Mon, 21 Nov 2022 19:47:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 17:44:19.392329
- Title: OrthoGAN: Multifaceted Semantics for Disentangled Face Editing
- Title（参考訳）: OrthoGAN:多面的な顔編集のためのセマンティック
- Authors: Chen Naveh and Yacov Hel-Or
- Abstract要約: 本稿では,StyleGANの潜在空間における不整合意味方向を見つけるための新しい手法について述べる。
我々のモデルは複数の方向に1つの属性を編集できる。
- 参考スコア（独自算出の注目度）: 8.528384027684194
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper describes a new technique for finding disentangled semantic
directions in the latent space of StyleGAN. OrthoGAN identifies meaningful
orthogonal subspaces that allow editing of one human face attribute, while
minimizing undesired changes in other attributes. Our model is capable of
editing a single attribute in multiple directions. Resulting in a range of
possible generated images. We compare our scheme with three state-of-the-art
models and show that our method outperforms them in terms of face editing and
disentanglement capabilities. Additionally, we suggest quantitative measures
for evaluating attribute separation and disentanglement, and exhibit the
superiority of our model with respect to those measures.
- Abstract（参考訳）: 本稿では,StyleGANの潜在空間における不整合意味方向を求める新しい手法について述べる。
OrthoGANは、人間の顔属性の編集を可能にする意味のある直交部分空間を特定し、他の属性の望ましくない変更を最小限にする。
我々のモデルは複数の方向に一つの属性を編集できる。
生成可能なさまざまなイメージが生成される。
提案手法を最先端の3つのモデルと比較し,顔の編集能力とアンタングル化能力で優れることを示す。
さらに, 属性分離・非絡合評価のための定量的尺度を提案し, それらの指標に対するモデルの優越性を示す。
関連論文リスト
- FUSE-ing Language Models: Zero-Shot Adapter Discovery for Prompt Optimization Across Tokenizers [55.2480439325792]
FUSEは、あるモデルのテキスト埋め込み空間から別のモデルへのマッピングを行うアダプタ層を、異なるトークン化器にまたがっても近似するアプローチである。
画像キャプションと感情に基づく画像キャプションのための視覚言語モデルと因果言語モデルに対する多目的最適化によるアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-08-09T02:16:37Z) - Exploring Attribute Variations in Style-based GANs using Diffusion
Models [48.98081892627042]
属性編集の多次元的性質をモデル化し,テキスト多元属性編集のタスクを定式化する。
我々は、事前訓練されたGANの非絡み合った潜伏空間を利用して、様々な編集のための潜伏分布を学習するために、Denoising Diffusion Probabilistic Model (DDPM)を訓練する。
論文 参考訳（メタデータ） (2023-11-27T18:14:03Z) - ManiCLIP: Multi-Attribute Face Manipulation from Text [104.30600573306991]
テキスト記述に基づく新しい多属性顔操作法を提案する。
本手法は,テキスト関連属性の編集を最小限に抑えた自然な顔を生成する。
論文 参考訳（メタデータ） (2022-10-02T07:22:55Z) - Everything is There in Latent Space: Attribute Editing and Attribute
Style Manipulation by StyleGAN Latent Space Exploration [39.18239951479647]
RAAME (Few-shot Latent-based Attribute Manipulation and Editing) について紹介する。
FLAMEは、遅延空間操作によって高度に制御された画像編集を行うためのフレームワークである。
様々な属性スタイルをアンタングル的に生成する。
論文 参考訳（メタデータ） (2022-07-20T12:40:32Z) - Attribute-specific Control Units in StyleGAN for Fine-grained Image
Manipulation [57.99007520795998]
特徴マップと変調スタイルの複数のチャネルからなる属性固有制御ユニットを探索する。
具体的には、制御ユニット内の変調スタイルのチャネルと特徴マップを協調的に操作し、意味的および空間的不整合制御を得る。
我々は、特定のスパース方向ベクトルに沿って変調スタイルを移動させ、これらの制御ユニットを操作するために特徴マップを計算するために使用されるフィルタワイズスタイルを置き換える。
論文 参考訳（メタデータ） (2021-11-25T10:42:10Z) - Disentangled Face Attribute Editing via Instance-Aware Latent Space
Search [30.17338705964925]
GAN(Generative Adversarial Networks)の潜在空間には、意味的な方向性の豊富な集合が存在する。
既存のメソッドは属性のばらつきが弱いため、望ましい属性を変更する際には、他の属性が望ましくない変更になる可能性がある。
本稿では,不整合属性編集のセマンティックな方向を求めるために,インスタンス認識遅延空間探索を行う新しいフレームワーク(IALS)を提案する。
論文 参考訳（メタデータ） (2021-05-26T16:19:08Z) - Unsupervised Discovery of Disentangled Manifolds in GANs [74.24771216154105]
解釈可能な生成プロセスは、様々な画像編集アプリケーションに有用である。
本稿では,任意の学習された生成逆数ネットワークが与えられた潜在空間における解釈可能な方向を検出する枠組みを提案する。
論文 参考訳（メタデータ） (2020-11-24T02:18:08Z) - Learning to Manipulate Individual Objects in an Image [71.55005356240761]
本稿では,独立性および局所性を有する潜在因子を用いた生成モデルを学習する手法について述べる。
これは、潜伏変数の摂動が、オブジェクトに対応する合成画像の局所領域のみに影響を与えることを意味する。
他の教師なし生成モデルとは異なり、オブジェクトレベルのアノテーションを必要とせず、オブジェクト中心の操作を可能にする。
論文 参考訳（メタデータ） (2020-04-11T21:50:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。