Transfert Progressif d'Attention de Pose pour la Génération d'Images de Personnes

Ce papier propose un nouveau réseau de génération antagoniste (generative adversarial network) pour le transfert de posture, c'est-à-dire le transfert de la posture d'une personne donnée à une posture cible. Le générateur du réseau est composé d'une séquence de Blocs de Transfert Attentif à la Posture qui transforment progressivement certaines régions auxquelles ils portent attention, générant ainsi l'image de la personne. Comparativement aux travaux précédents, les images de personnes générées par notre méthode présentent une meilleure cohérence d'apparence et de forme avec les images d'entrée, ce qui les rend significativement plus réalistes. L'efficacité et l'efficience du réseau proposé sont validées tant qualitativement que quantitativement sur les ensembles de données Market-1501 et DeepFashion. De plus, l'architecture proposée peut générer des images d'entraînement pour la réidentification des personnes, atténuant ainsi l'insuffisance des données. Les codes et les modèles sont disponibles à l'adresse suivante : https://github.com/tengteng95/Pose-Transfer.git.