多尺度注意力的面部属性编辑归一化

现有的方法利用编解码器和生成对抗网络用于面部属性编辑，会导致低分辨率结果而且操控面部属性能力有限。为了解决这些问题，文章从选择性细化的角度提出一种新的面部属性编辑生成对抗网络(facial attribute editing generative adversarial networks, FAE-GAN),该方法能够专注于编辑要更改的图像属性，同时保留面部的细节。首先学习一个空间变化函数，该函数将高层特征图映射到归一化层所需的参数图；然后结合残差块，将低层特征图添加到调制后的特征图中，从而使属性细化任务更加容易实现。实验结果表明，该模型在属性操纵精度和感知质量方面均具有优势。