一张图像百般变化,英伟达用GAN实现高精度细节P图( 三 )


一张图像百般变化,英伟达用GAN实现高精度细节P图

在下图9中 , 研究者展示了仅通过修改分割掩码和优化即可以去除汽车的车顶或将其改装成旅行车 。 值得注意的是 , 通过一些编辑操作生成的图像与GAN训练数据中出现的图像不同 。
一张图像百般变化,英伟达用GAN实现高精度细节P图

其次是域外结果 。 研究者在MetFaces数据集上展示EditGAN对域外数据的泛化能力 。 他们使用在FFHQ上训练的EditGAN模型 , 并使用域内真实人脸数据创建编辑向量 。 接着嵌入域外MetFaces肖像(使用100steps的优化) , 再通过30steps的优化应用编辑向量 。 结果如下图6所示 , 该研究的编辑操作无缝地迁移至相差甚远的域外图像示例 。
一张图像百般变化,英伟达用GAN实现高精度细节P图

定量结果
为了展示EditGAN的图像编辑能力的定量评估结果 , 研究者使用了MaskGAN引入的笑脸编辑(smileedit)基准 。 中性表情的人脸被转换为笑脸 , 并使用以下三项指标对性能进行度量 , 它们分别是: