【干货】 计算机也会ps图片：TL-GAN（附代码和sildes下载）

【导读】生成对抗网络（GAN/Generative Adversarial Networks）是Ian Goodfellow在2014发表的文章：Generative Adversarial Networks，中最先提出的。GAN在近几年也是机器学习、计算机视觉等方向的研究热点之一。今天给大家带来的是Shaobo GUAN利用TL-GAN生成定制化的逼真面孔照片项目（附Slides下载和代码链接）。

Shaobo GUAN简介：

Insight Data Science的AI研究员，计算和认知神经科学博士，研究兴趣机器学习。个人LinkedIn主页：https://www.linkedin.com/in/shaobo-guan/

我们知道各种版本GAN（如PG-GAN）可以从潜在空间（latent space ）中的随机噪声向量生成随机逼真的图像，但是却无法控制图像生成的过程，也就无法定制化的生成图像，控制生成图像的特征。

由于图像由潜在空间中的初始的随机噪声向量生成的，所以如果我们可以理解并控制这些初始的随机噪声向量，那么就可以控制图像的生成过程。TL-GAN（transparent latent-space GAN）在已有训练好的GAN生成器的基础上，将生成器和特征提取器网络组合（coupled feature extractor network）发现潜在空间的特征轴（feature axes）。 当向量沿着潜在空间中的特征轴移动时，生成的图像就会沿着该特征发生变形，这就使得受控合成和编辑图像成为可能。

TL-GAN的idea：

• 已训练好的GAN

• 图片特征提取

• 发现特征轴（TL-GAN架构）

• 利用特征轴控制图像生成过程

TL-GAN的优点：

1. 速度更快；

2. 可以灵活的配置特征提取器提取你想要的图像特征；

GitHub上项目代码链接：

https://github.com/SummitKwan/transparent_latent_gan

参考链接：

https://blog.insightdatascience.com/generating-custom-photo-realistic-faces-using-ai-d170b1b59255

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“TLGAN” 就可以获取该Slides下载链接~ 

附全部Slides内容：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知