Семантические манипуляции в генеративных состязательных моделях для редактирования головы человека

В последние годы произошел бурный рост качества генерации изображений. В основном, он связан с развитием генеративных моделей, основанных на подходах из глубинного обучения. На данный момент, лучше всего себя показывают генеративные состязательные сети. С их помощью можно синтезировать данные, которые очень схожи с реальными. Однако, сам процесс генерации зачастую происходит без какого-либо контроля. Соответственно, одним из открытых и важных вопросов является то, как сделать процесс синтеза управляемым. Таким образом, появляется возможность для семантического редактирования выхода генеративной модели, что позволяет изменять, например, форму, атрибуты, цвет объектов на получаемом изображении. Исследования по этой теме в компьютерном зрении говорят о том, что результат работы генеративных моделей сильно зависит от скрытого подпространства из которого генерируется изображение. Данная работа посвящена разбору подходов, в которых рассмотрены способы контроля внутреннего пространства генеративно-состязательных сетей. Сделан упор на рассмотрении задачи редактирования головы человека. Описаны соответствующие коллекции данных, необходимые для обучения генеративно-состязательных сетей. Также, проведены эксперименты на части рассмотренных подходов и сделаны выводы по результатам работы.