CVPR2022-SemanticStyleGAN

这是一篇来自CVPR2022关于GAN的新作：SemanticStyleGAN - Project Page

文章效果惊艳，引入了语义图进行解耦，很有新意。

目录

摘要

1、介绍

2、相关工作

latent space

Compositional Image Synthesis

 Layout-based Generators 

3、方法（看原文吧，xdm）

1、局部生成器

2、Fusion

3、Render

4、判别器

4、效果 

摘要

stylegan为下游生成任务提供了promising prior models，但是stylegan的the latent codes是全局的（如下图，stylegan中是latent z是经过Normalize 和FC 层得到的）。这并不能很好对生成图像进行 a fine-grained control。本文提出semanticstylegan是model local semantic parts separately，重点放在生成器的改进上（往下看，其实判别器也做了进步）。实现了符合latent z对应的structure and texture（文章实验部分对这里做了可视化，看着图感觉解的挺好）。后面就是吹自己做的好了

---

1、介绍

首先指出在gan的生成是从latent space中random code开始的，说出传统gan不可控。说stylegan的generated image is conditioned on a set of coarse-to-fine latent codes。但是这些latent code任然很混淆（确实）。

作者说了以下两种解决方式

1、by learning a linear boundary or a neural network in the latent space of StyleGAN

2、to train a new GAN model from scratch by introducing additional supervision or inductive biases.

紧接着指出，本文的解耦是从语义mask入手的。

2、相关工作

latent space

1、manipulate the latent space of a pre-trained GAN network：trains a attribute model

2、learn a GAN with more disentangled latent space using additional supervision

Compositional Image Synthesis

这段自己看原文吧

 Layout-based Generators 

1、a semantic segmentation mask

2、a sketch image

nips2021的editgan也是语义生成，可以对比一下。作者表明：we build a semantic-aware generator that directly associates different local areas with latent codes, these codes can then be used to edit both local structure and texture.

这篇文章确实不一样，别人解耦的属性都是直接喂入网络，这篇文章解耦后再输出feature map和pseudo-depth。

3、方法（看原文吧，xdm）

 网络架构。我们来看看怎么得到feature map 和pseudo-depth两个参数

 这里的自问自答挺有意思的：

 问答2挺有意思的，使用了双分支判别器来监督image和mask

1、局部生成器

这里的render输出也是两个，image和对应的mask

局部生成器也就是上面的ppt内容，这里傅里叶p代表位置信息是引用自Fourier Features Let Networks Learn High Frequency Functions in Low Dimensional Domains

2、Fusion

1、首先通过pseudo-depth生成mask

2、作为网络R的输入。公式虽然是这样，但m微调了。这里为什么不用m直接作为f的融合，原文也说到了

3、Render

渲染器和stylegan的生成器结构类似，做了微调。原文有

还说明了Render除了输出RGB图像和输出mask

4、判别器

4、效果 

 这里说傅里叶操作特征融合：（Fourier feature是position encoding，训练的时候时候是固定的（可以看作是stylegan2中的constant input），但测试的时候可以改变对象的位置大小，stylegan3也用到了这种input）