摘要

我们提出了一种新型生成对抗网络（XingGAN，又称CrossingGAN），用于人物图像生成任务，即实现将给定人物的姿态转换为目标姿态。所提出的Xing生成器包含两个并行生成分支，分别建模人物的外观特征与形状信息。此外，我们设计了两种新颖的模块，以交叉方式高效地传递与更新人物的形状与外观嵌入表示，从而相互促进、协同优化，这一机制在现有基于GAN的图像生成方法中尚未被探索。在两个具有挑战性的数据集——Market-1501和DeepFashion上的大量实验表明，所提出的XingGAN在客观量化指标与主观视觉真实感方面均显著优于现有最先进方法。项目源代码及训练好的模型已公开，详见：https://github.com/Ha0Tang/XingGAN。