12月19日消息，生成性对抗网络GAN又被开发出一项“不正经”用途。给猫狗加表情：

给马斯克加胡子：

不管视频中的脑袋怎么左晃右晃，这些表情都能始终如一地贴合面部，且每一帧都表现得非常丝滑。

这就是朱俊彦等人的最新研究成果：

一种利用GAN监督学习实现的密集视觉对齐（Visualalignment）方法。

该方法的性能显著优于目前的自监督算法，在多个数据集上的性能都与SOTA算法相当，有的甚至还实现了两倍超越。

用GAN监督学习实现密集视觉对齐

视觉对齐是计算机视觉中光流、3D匹配、医学成像、跟踪和增强现实等应用的一个关键要素。

直白地说，比如在人脸识别中，就是不管一张脸是倒着立着还是歪着，任何角度都可以精确识别出哪块是眼睛哪块是鼻子。

而开创性的无监督视觉对齐方法Congealing，在MNISTdigits这种简单的二值

首先，在未对齐的数据上训练生成器G。

然后在生成器G的潜空间中通过学习模式c，来创建一个合成数据集以进行后续对齐。

接着使用该数据集训练空间变换网络T（STN，SpatialTransformerNetworks），最后在预测和目标

因此作者也表示，GANgealing可以用在混合现实应用中。

而在定量实验中，GANgealing在非常精确的阈值（<2像素误差容限）条件下优于现有的监督方法，在有的数据集上甚至表现出很大的优势。

再在具有挑战的SPair-71K数据集上将GANgealing与几种自监督SOTA方法进行性能评估。

比的则是PCK-Transfer值（PCK，percentageofkeypoints），它衡量的是关键点从源点击打开

代码：点击打开

项目主页：点击打开

以上就是爱惜日网»最新论文：用GAN监督学习给左晃右晃的猫狗加表情，很丝滑很贴合的相关内容了，更多精彩请关注作者：爱惜日知识

声明：本文由爱惜日网【创业者资源平台】作者编辑发布，更多技术关注爱惜日技术！