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