SC-FEGAN: Face Editing Generative Adversarial Network with User’s Sketch and Color

https://github.com/run-youngjoo/SC-FEGAN

https://arxiv.org/abs/1902.06838

基于GAN的人脸编辑，效果非常好，应用点非常新颖。

总的来说，效果非常好，包括很多细节都能够进行编辑。

就创新点来讲，就是能够想到把笔画和颜色进行结合，然后做一个人脸编辑这个出发点比较有创新。在算法上并没有提出通用的而一些模块等等,除了小改了一下GAN的架构，多加了一些现有的损失，并且做了一些小改。

最终要的创新点就是结合了颜色、笔画、mask作为输入，并且很好得实现了操纵。

 在架构上，基于Unet的形式，再加了其他的模块，是的生成更快，更具有细节的结果，个人感觉比较基操

然后，这个Discriminator 是基于SN-PatchGAN的，当然架构是自己改的，不过这里面也用到了Gated Convolution。

在损失函数方面呢，在Generator 和Discriminator 上的GANloss的优化和《Free-form image inpainting with gated convolution》上很相似，就是做了一些小改，ReLU去掉了。

然后其他方面的优化，就是常用到的：

L1损失：

 感知损失：

风格损失：

TVloss： 

 

还有就是DIscriminator 的正则上：

最后效果是非常好的。

总的来看，思路非常新颖，从架构上也做了一些修改，大部分模块都是其他论文提出的。不过他的思路真的很好，值得借鉴！