江苏龙网

  1. 首页 > 资讯 > 科技 > >

「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器( 二 )


实现
ALAE 的算法训练过程参见下图：
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

ALAE 效果如何？
该研究在多个数据集上评估了 ALAE 的性能 ， 实验代码和数据参见 GitHub 地址 。
在 MNIST 上的性能
【「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器】研究者使用 MNIST 数据集训练 ALAE ， 并使用特征表示来执行分类、重建和分析解耦能力的任务 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

表 2：不同方法在 MNIST 分类任务上的性能 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

图 3：MNIST 重建效果 。
StyleALAE 学习风格表征的能力
研究者在 FFHQ、LSUN 和 CelebA-HQ 数据集上评估 StyleALAE 的性能 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

表 3：不同方法在 FFHQ 和 LSUN 数据集上的 FID 分数 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

表 4：不同方法的感知路径长度（PPL） ， 表示表征解耦程度 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

图 5：FFHQ 重建结果 。 StyleALAE 对未见过的图像的 1024×1024 重建结果 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

图 6：StyleALAE 的 FFHQ 生成结果（1024 × 1024 分辨率） 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

图 9：StyleALAE 的风格混合效果 。 「coarse styles」从 Source 图像中复制了高级特征 ， 如姿势、大致发型和脸型 ， 从 Destination 图像中复制了所有颜色（眸色、发色和光照）；「middle styles」从 Source 图像中复制了较小型的面部特征例如发式、眼睛睁/闭 ， 从 Destination 图像中复制了脸型；「fine styles」从 Source 图像中复制了颜色和微结构 。
「机器之心」人脸合成效果媲美StyleGAN，而它是个自编码器
本文插图

图 8：不同方法在 CelebA-HQ 数据集上的重建结果 。 第一行是真实图像；第二行：StyleALAE；第三行：Balanced PIONEER；第四行：PIONEER 。
从图中可以看出 ， StyleALAE 的生成结果更加清晰 ， 失真度也最低 。


推荐阅读


上一篇：「技宅空格」小米 10 青春版前瞻：2000 多元的中端拍照机

下一篇：当当网■当当网发声明：李国庆抢走的公章、财务章等即日作废 公司已报警