论文笔记Disentangled Person Image Generation阅读笔记

在NIPS2017上该团队已经为我们贡献了:pose guided person image generation这篇非常棒的文章,在CVPR2018中,他们推出的更新的这篇文章不仅仅解决了换pose问题,还实现了”随心所欲“的换装换pose,今年spotlight。

在这里提到的前一篇文章可复现度很高,可以尝试,后者我们团队中有人尝试过,但并不理想,作者什么时候会公布代码我们不得而知。

该模型分为三个分支,

1,运用openpose这个库,生成pose的18个dots,并将这concat进decoder之前的feature map中

2,在经过卷积运算后的feature map上,运用mask,将前后景分离,背景的feature map也是直接concat进最后的feature map中

3,核心是前景的处理上,用7个ROI进一步将前景解开,然后用公用的encoder生成前景的featuremap

你可能感兴趣的:(论文笔记Disentangled Person Image Generation阅读笔记)