在「生成對抗網絡GAN專題講座」前4講中，獨立藝術家、游戲開發者大谷Spitzer，港中文MMLab實驗室在讀博士劉睿，中科院計算所博士（京東DMT)何振梁和羅格斯大學在讀博士韓立功，分別講解了《人工智能影像修復與AI藝術創作》、《基于條件生成對抗網絡的多樣化圖像生成》、《GAN的層次化可解釋維度學習》和《基于雙投影判別器的條件生成對抗網絡》等內容。錯過直播的朋友可以點擊“閱讀原文”觀看。
12月10日晚7點，南洋理工大學MMLab實驗室在讀博士姜瑜銘將以《對話驅動的高細粒度人臉編輯》為主題，帶來第5講的直播講解。
日常生活中，經常會用到一些人臉編輯軟件（抖音、快手、美圖秀秀）讓照片有更好的效果和呈現，在抖音、快手等的人臉特效中，GAN的身影處處都可見。但現有的人臉編輯大多采用手動的交互方式，需要手動選擇想要的發型、妝容，并且這些發型、妝容大多是固定的版式且細節信息不足，這與想要的效果有很大差異。那如何設計一個多樣且細粒度的交互式人臉編輯呢？
交互式的人臉編輯系統“Talk-to-Edit”可以滿足上面的需求，它通過用戶和系統之間的對話進行細粒度的人臉屬性操作。在Talk-to-Edit系統中，只需告訴它你想怎么編輯，它就會分分鐘幫你搞定。
Talk-to-Edit系統通過StyleGAN模型進行預訓練，為了對人臉做到連續且細粒度的編輯，在StyleGAN的隱空間中構建了一個語義場。語義場是一個非線性的向量場，它具有兩個特性：1) 對同一個人臉來說，不斷改變某一個屬性，所需要的編輯方向是不斷變化的。2）在編輯同一個屬性時，對于不同人，所需要的編輯方向也是不同的。基于語義場可以在人臉編輯過程中更好的保留這個人的身份特征，并且在編輯某一個語義特征時減少對其他無關語義特征的改變。
同時，Talk-to-Edit還用一個基于LSTM的Language Encoder來理解用戶的編輯要求，并將編碼后的編輯要求傳遞給語義場從而指導人臉編輯。更多Talk-to-Edit系統的實現細節，姜瑜銘博士將在本次講座中進行深度解讀，感興趣的小伙伴千萬不要錯過。
姜瑜銘是新加坡南洋理工大學MMLab實驗室在讀博士，師從劉子緯教授和呂健勤教授。他本科畢業于電子科技大學，主要研究方向為圖像的生成、編輯和復原。
本次講座將在智東西公開課知識店鋪進行，包含主講和問答兩個部分，其中主講環節40分鐘，問答環節20分鐘。本次講座已組建交流群，并邀請姜瑜銘博士加入，歡迎感興趣的朋友申請。
主題
對話驅動的高細粒度人臉編輯
提綱
1、人臉編輯問題的研究
2、基于預訓練StyleGAN的人臉編輯
3、Talk-to-Edit：對話式交互的高細粒度人臉編輯系統
4、視覺語言人臉屬性數據集 CelebA-Dialog
5、未來展望
主講人介紹
姜瑜銘，新加坡南洋理工大學MMLab實驗室在讀博士，師從劉子緯教授和呂健勤教授；本科畢業于電子科技大學，主要研究方向為圖像的生成、編輯和復原。
直播信息
直播時間：12月10日19：00
直播地點：智東西公開課知識店鋪
