Edit One for All: Interactive Batch Image Editing

近年来，图像编辑技术得到了显著进步。现在可以通过各种方式编辑图像，从在文本中指定要更改的内容，到直接以交互式基于点的方式拖动图像内容。然而，大多数关注点仍然集中在逐个编辑单个图像上。我们是否可以同时编辑大批量图像，以及如何实现这一点，一直未被研究。为了在编辑过程中最大限度地减少人类监督，本文提出了一种使用StyleGAN作为媒介的交互式批量图像编辑的新方法。给定用户在示例图像中指定的编辑（例如，使面部正面），我们的方法可以自动将该编辑转移到其他测试图像，以便无论它们的初始状态（姿势）如何，它们都到达相同的最终状态（例如，全部面向前方）。广泛的实验证明，使用我们的方法进行的编辑具有与现有单图像编辑方法相似的视觉质量，同时具有更多的视觉一致性，并节省了大量时间和人力。

本论文旨在解决批量图像编辑的问题，即如何同时编辑大量图片而不需要过多人工干预。

本论文提出了一种新方法，使用StyleGAN作为媒介进行交互式批量图像编辑。给定一个用户在示例图像中指定的编辑（例如，使脸部正面），我们的方法可以自动将该编辑转移到其他测试图像，使它们都达到相同的最终状态（例如，都面向前方），从而实现更多的视觉一致性和节省大量时间和人力成本。

本论文的实验表明，使用我们的方法进行的编辑具有与现有单图像编辑方法类似的视觉质量，同时具有更多的视觉一致性，并节省了大量的时间和人力成本。此外，本论文使用了一些公开数据集，并提供了开源代码，值得进一步研究。

最近在这个领域中，还有一些相关的研究，例如：“Learning to Edit Images with Textual Supervision”和“Interactive Image Editing with Latent Space Exploration”。