StyleFlow

StyleFlow: 使用条件连续正则化流对 StyleGAN-G 生成的图像进行属性条件下的探索 (ACM TOG 2021)

高质量、多样化和逼真图像现在可以由无条件的 GAN（例如 StyleGAN）生成。然而，目前还缺乏使用（语义）属性来控制生成过程的方法，同时仍然保持输出的质量。此外，由于 GAN 隐空间的纠缠性，在一个属性上进行编辑很容易导致其他属性发生不必要的变化。在探索纠缠隐空间的条件下，我们在本文中研究了属性条件采样和属性控制编辑这两个子问题。我们提出了 StyleFlow 作为一种简单、有效且可靠的解决方案，通过将条件探索定义为 GAN 隐空间中由属性特征条件的条件连续正态化流的一个实例，来解决这两个子问题。我们使用 StyleGAN 的面部和汽车隐空间来评估我们的方法，并展示了在真实照片和 StyleGAN 生成的图像上对各种属性进行细粒度的解耦编辑。例如，对于人脸，我们调整了相机姿态、光照变化、表情、头发、性别和年龄。最后，通过广泛的定性和定量对比，我们证明了 StyleFlow 的优越性，优于其他同期研究。

StyleFlow: 使用条件连续正则化流对 StyleGAN-G 生成的图像进行属性条件下的探索 (ACM TOG 2021)
Rameen Abdal、Peihao Zhu、Niloy Mitra、Peter Wonka
KAUST、Adobe Research
[论文] [项目页面] [演示] [促销视频]

安装

克隆此仓库。

git clone https://github.com/RameenAbdal/StyleFlow.git
cd StyleFlow/

此代码需要 PyTorch、TensorFlow、Torchdiffeq、Python 3+ 和 Pyqt5。请通过以下方式安装依赖项：

conda env create