SeFa，GANs中的潜在语义的闭式分解 | CVPR2021（代码开源）

摘要：

在生成性对抗网络（GANs）的潜在空间中出现了一组丰富的可解释维度。为了识别这样的潜在维度进行图像编辑，以前的方法通常对合成样本集合进行注释，并在潜在空间中训练线性分类器。但是，它们需要明确定义目标属性以及相应的手动注释，从而限制了它们在实际中的应用。在这项工作中，我们研究了内部表征学会了GANs 揭示潜在的变化因素在一个无监督的方式。特别地，我们深入研究了GANs的生成机制，并通过直接分解预先训练好的权值，提出了一种用于潜在语义发现的closedform分解算法。通过闪电般的快速实现，我们的方法不仅能够找到与最先进的监督方法相类似的语义上有意义的维度，而且能够在广泛数据集上训练的多个GAN模型中产生更通用的概念。

https://github.com/genforce/sefa https://arxiv.org/pdf/2007.06600.pdf

更多CVPR2021的论文、代码、解读和demo，论文已下载https://github.com/DWCTOD/CVPR2021-Papers-with-Code-Demo