晓查 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

现在，GAN不仅能画出二次元妹子，还能精准调节五官、表情、姿势和绘画风格。

而且在调控某个因素的时候，其他条件能尽量保持不变。

这就是香港中文大学周博磊团队提出的SeFa（语义分解，Semantics Factorization），该论文最近入选了CVPR 2021（Oral）。

SeFa适用于PGGAN、StyleGAN、BigGAN和StyleGAN2等常见GAN模型，不仅对二次元妹子有效，甚至还能调控猫咪上下左右不同方向。

通过这种方法分离出映射矩阵的各个本征值，即可实现对不同图像元素的精准调控

更重要的是，SeFa无需对GAN生成的数据进行标注，它能自己找到这些元素变化对应的编码。也就说SeFa是一种无监督方法。

目前，SeFa相关代码已经开源。

周博磊教授团队的这一成果还得到了母校CSAIL实验室的转发。

无监督方法调节GAN

这些年，GAN在图像合成上取得了巨大的成功。如果想要更好的操控GAN，就需要正确识别其中语义。

但是，由于潜在空间的高维性以及图像语义的多样性，在潜在空间中寻找有效的语义非常具有挑战性。

现有一些基于监督学习的方法，通常首先对大量的潜在编码进行随机采样，然后合成大量图像，并使用一些预定义的标签对其进行注释，最后使用这些标记样本来学习潜在空间中的分离边界。

这种对大量GAN生成图片进行标注的方法，耗时耗力。

因此，作者没有直接利用合成样本作为中间步骤，而是直接研究了GAN的生成机制以解释其内部表示。

更具体地说，对于所有基于神经网络的GAN架构，都是将全连接层用作将输入潜在编码带入生成器的第一步。

这种变换实际上会滤除潜在空间中一些可忽略的因素，突显对于图像合成关键的因素。如果我们能够识别出这些重要的潜在方向，就可以控制图像生成过程。

SeFa对图像的操作，可以看做是将d维潜在空间中的对应向量z沿着n的方向进行移动。

而GAN还会将z映射到另一个m维空间的y。

最终，作者将这一问题转化为：

与其他方法对比

与现有的监督和无监督方法相比，SeFa方法能够更准确，更广泛地识别可解释的维度。而且该方法灵活通用，可适用于不同的GAN。

在下图中，SeFa（b）和无监督的GANSpace（a）、有监督的InterFaceGAN进行了定性对比。SeFa已经接近于有监督方法的效果。

和InfoGAN（a）对比发现，SeFa（b）对不同语义因素的分解程度更高，因为前者在变换人脸姿势时，发色发生了明显的变化。

SeFa不仅能处理GAN制造的图片，对真实照片也有效。利用之前周博磊团队提出的GAN反演方法，将真实照片反向投影到潜在空间，就能改变真实照片。

作者简介

这篇论文的第一作者是香港中文大学多媒体实验室的在读博士生Shen Yujun，本科毕业于清华大学。

他的研究方向是计算机视觉、深度学习、生成模型、网络解释、可解释人工智能（XAI）。

今年他已有3篇论文被CVPR 2021接收，其中两篇为Oral。之前他还在CVPR 2020上发表了2篇论文，在CVPR 2018上发表了1篇论文，总计发表了6篇CVPR。

论文的通讯作者是香港中文大学助理教授周博磊。

周博磊是MIT CSAIL实验室博士，他的研究涉及计算机视觉和机器学习，尤其是视觉场景理解和可解释AI系统。

论文地址：
https://arxiv.org/abs/2007.06600

代码地址：
https://github.com/genforce/sefa

Colab地址：
https://colab.research.google.com/github/genforce/sefa/blob/master/docs/SeFa.ipynb

— 完 —

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。

点这里????关注我，记得标星，么么哒～

加入AI社群，拓展你的AI行业人脉

量子位「AI社群」招募中！欢迎AI从业者、关注AI行业的小伙伴们扫码加入，与50000+名好友共同关注人工智能行业发展&技术进展：

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~