摘要

生成具有新颖性 yet 又保持真实感的人物图像是一项极具挑战性的任务，其难点在于图像中各类因素（如前景、背景和姿态信息）之间复杂的相互作用。本文提出一种新颖的两阶段重构框架，旨在学习上述图像因素的解耦表征，并同时生成新的人员图像。首先，我们设计了一种多分支重构网络，用于解耦并编码前景、背景和姿态三个因素为嵌入特征，随后将这些特征组合以重建输入图像本身。其次，通过对抗性学习方式，分别学习三个对应的映射函数，将高斯噪声映射至每个因素所对应的已学习嵌入特征空间。基于所提出的框架，我们能够对输入图像的前景、背景和姿态进行灵活操控，并可通过采样新的嵌入特征来生成目标导向的图像变换，从而实现对生成过程更精细的控制。在Market-1501和DeepFashion数据集上的实验表明，本模型不仅能生成具有新前景、新背景和新姿态的真实人物图像，还能对生成因素进行精确操控，并实现中间状态的插值。另一组在Market-1501上的实验进一步验证，本模型在行人重识别任务中也具有显著的辅助作用。