基于姿态的可变形生成对抗网络用于人体图像生成

本文探讨了基于给定姿态生成人物图像的问题。具体而言，给定一张人物图像和一个目标姿态，我们合成了该人物在新姿态下的图像。为了应对因姿态差异引起的像素对齐问题，我们在生成对抗网络（Generative Adversarial Network, GAN）的生成器中引入了可变形跳过连接（deformable skip connections）。此外，我们提出了一种最近邻损失（nearest-neighbour loss），以替代常用的L1和L2损失，从而更好地匹配生成图像与目标图像的细节。我们使用不同姿态的人物照片测试了我们的方法，并将其与该领域的先前工作进行了比较，在两个基准测试中展示了最先进的结果。只要能够使用关键点检测器提取出关节对象的姿态，我们的方法可以应用于更广泛的可变形物体生成领域。