仅使用预训练StyleGAN进行图像处理

由于高质量的生成和解耦潜在空间，StyleGAN已经可以做各种图像处理和编辑任务。然而，不同任务通常需要额外的架构或特定任务的训练范式。因此，研究人员更深入地研究了#StyleGAN# 的空间特性。结果表明，通过预训练的StyleGAN以及一些操作，无需任何额外架构，就可以在各种任务上与SOTA方法相媲美，包括图像混合、全景生成、从单个图像生成、可控和局部多模态图像到图像的翻译和属性转移。所提出的方法简单、有效、高效，并且适用于任何现有的预训练StyleGAN模型。论文: https://arxiv.org/abs/2111.01619；代码: https://github.com/mchong6/SOAT