STGAN 人臉高精度屬性編輯模型

2021-09-27 08:59:38 字數 1427 閱讀 3858

人臉屬性編輯是指生成所需要屬性的新面部。任意的屬性編輯主要是編碼器和解碼器以及gan的組合。然而卻會出現模糊或者是質量較低的情況。增加skip-connection可以提高影象的質量但是以犧牲屬性操作的能力。考慮到屬性編輯工作主要是改變屬性而不是所有目標的屬性,文章中選擇目標和源之間的差異作為輸入。更進一步,帶有選擇性傳輸單元(stu)的編碼器和解碼器可以自適應的選擇和修改編碼器的特徵。

影象屬性編輯,旨在操作影象去處理需要的屬性,比較麻煩的是同時收集存在特徵與不存在特徵的影象,因此gan得到了廣泛的關注。另一方面,任意屬性編輯事實上是多領域的影象編輯問題。為了正確的操作屬性,下取樣需要獲得高層次的影象屬性。很多學者建議在編碼器和解碼器之間增加乙個或者多個的skip connection。skip connection(跳躍連線),可以解決梯度**和梯度消失的問題。然而,skip connection提高了影象的質量但是對於屬性操作來說卻是不好的。

大多數的方法都是同時探索源影象和目標影象,編碼器只是將目標屬性作為輸入,然後解碼器同時將latent code和目標屬性進行編輯。stargan是直接將原影象和目標影象的屬性向量作為輸入。這種屬性編輯存在著很多的問題,即使所有的屬性保持不變,但是不想改變的屬性可能會被編輯。

為了得到skip connection的影響和限制,文章用以下四個變體進行了實驗,首先是不帶skip connection的attgan,帶有乙個skip connection的attgan(原來的attgan),其次是帶有兩個skip connection的attgan,最後是對稱的skip connection的attgan。實驗結果表明增加skip connection確實是有益的,但是卻以犧牲屬性操作為代價,主要是skip connection直接將encoder和decoder聯絡起來。

stargan和attgan都是將目標屬性和源影象屬性作為生成器的輸入,事實上,全部目標屬性向量可能對於編輯結果來說是有害的。例如,當目標屬性和源屬性相同時,stargan和attgan可能會改變不需要改變的屬性,會將黃色的頭髮變得更黃。對於任意的影象屬性編輯,不是所有的目標屬性向量,為了保留源影象的更多資訊,只考慮要改變的屬性。

將差分屬性作為輸入有很多的好處,首先,屬性只是需要進行小小的改變比較容易進行訓練,其次,與attt相比,可以提供更多有價值的資訊。最後,差分屬性更方便提供給使用者,當目標屬性作為輸入時,使用者需要提供所有的目標屬性。

不是將編碼器和解碼器直接用skip connection連線起來,文章中提出乙個stu,修改了gru去建設stu將資訊從內層傳到外層。

高精度除法(高精度除以高精度)

先貼乙個簡單的高精度除以單精度的 include include include using namespace std int main else ys ys 10 a i 0 while c i 0 i for int j i j 0 j printf d c j if ys printf d ...

高精度除高精度

演算法流程 第一步,讀入被除數 a 和 除數 b,判斷是否 a b,是則輸出 0 並結束演算法,否則令 answer 0 第二步,令餘數 remainder 0,令 i 從被除數最高位的下標開始 第三步,令 remainder remainder 10 a i 令 c 9 第四步,判斷是否 b c ...

高精度除以高精度

原 題 高精除以高精,求它們的商和餘數。演算法分析 高精除以高精是用減法模擬除法,對被除數的每一位都減去除數,一直減到當前位置的數字 包括前面的餘數 小於除數 由於每一位的數字小於10,所以對於每一位最多進行10次計算 代 碼 include include include using namesp...