초록
우리는 도전적인 인물 이미지 생성 작업을 위한 새로운 이분 그래프 추론 GAN(Bipartite Graph Reasoning GAN, BiGraphGAN)을 제안한다. 제안된 그래프 생성기는 주로 포즈 간 관계와 포즈-이미지 간 관계를 각각 모델링하는 두 가지 새로운 블록으로 구성된다. 구체적으로, 제안된 이분 그래프 추론(Bipartite Graph Reasoning, BGR) 블록은 이분 그래프 내에서 소스 포즈와 타겟 포즈 간의 장거리 교차 관계를 추론함으로써 포즈 왜곡으로 인해 발생하는 일부 도전 과제를 완화한다. 또한, 사람의 형태와 외형 특징 표현 능력을 상호작용 방식으로 효과적으로 업데이트하고 강화하기 위해 새로운 상호작용-집계(Interaction-and-Aggregation, IA) 블록을 제안한다. Market-1501과 DeepFashion과 같은 두 가지 도전적이고 공개된 데이터셋에서 수행된 실험 결과는 제안된 BiGraphGAN이 객관적 정량적 평가 지표와 주관적 시각적 자연성 측면에서 우수한 성능을 보임을 보여준다. 소스 코드와 학습된 모델은 https://github.com/Ha0Tang/BiGraphGAN에서 제공된다.