領域適応型テクスチャ強調による詳細な人物画像合成

合成された人物画像の忠実度にとって、信頼性の高いテクスチャ細部の生成能力は不可欠である。しかし、従来の手法は通常、「ワーピングベース」の戦略に従って、ポーズ転送に用いられる同一のパスを通じて外観特徴を伝搬する。このため、ダウンサンプリングの影響により、多くの細部特徴が失われ、結果として出力画像に衣装の過剰な滑らかさや細部の欠落が生じる。本論文では、明確なテクスチャ細部を有する人物画像を合成するための新規フレームワーク、RATE-Netを提案する。本フレームワークは、入力画像から外観情報を抽出し、細粒度の残差テクスチャマップを推定するための追加的なテクスチャ強化モジュールを活用することで、ポーズ転送モジュールによる粗い推定を精緻化する。さらに、2つのモジュール間における相互指導を促進する効果的な交替更新戦略を設計した。DeepFashionベンチマークデータセット上での実験により、既存のネットワークと比較して本フレームワークの優位性が実証された。