除了动漫以外，SeFa 方法还可以处理场景、人物、动物、物体等不同的图像。
下图展示了对「猫片」的操控效果：
猫姿势的左右移动。
猫姿势的上下移动。需要注意的是，在图像变换过程中，我们可以看到，还是有伪影的存在。
借助 SeFa 方法，我们还可以调整车辆的形状：
以及调整车辆方向：
接下来，我们来看该问题的难点以及 SeFa 方法的新颖之处。
如何解释 GAN 的潜在空间？
生成对抗网络（GAN）在图像合成领域的应用已经十分广泛。近期的一些研究表明，在学习合成图像时，GAN 会自发地在潜在空间中表示出多种可解释属性，如用于人脸合成的性别特征、用于场景合成的光照条件。通过正确识别这些语义，我们可以将 GAN 学习到的知识重新利用，合理地控制图像生成过程，从而实现图像编辑功能的更广泛应用，如人脸操纵和场景编辑。
解释 GAN 潜在空间的关键点在于找到与人类可理解属性相对应的子空间。通过这种方法，将潜码（latent code）向特定子空间的方向移动，即可对应地改变合成图像的语义。然而，由于潜在空间的高维性以及图像语义的多样性，在潜在空间中寻找有效方向是极具挑战性的。
现有的监督学习方法通常先随机抽取大量潜码，然后合成一组图像，并使用一些预定义标签进行图像标注，最后利用这些标注样本学习潜在空间中的分离边界（separation boundary）。要想得到训练该边界的标签，要么引入预训练语义预测器，要么利用图像的一些简单统计信息。
港中文周博磊等人提出新方法「SeFa」，解释 GAN 内部表征
以往的方法严重依赖于预定义的语义和标注样本，存在局限性。最近，来自香港中文大学的研究者提出了一种新的生成方法，不再将合成样本作为中间步骤，而是通过直接探索 GAN 的生成机制来解释其内部表征。
论文地址：https://arxiv.org/pdf/2007.06600.pdf
代码地址：https://github.com/genforce/sefa
项目主页：https://genforce.github.io/sefa/
具体而言，对于所有基于神经网络的 GAN，第一步通常采用一个全连接层将潜码输入到生成器中，它提供了将潜在空间投影到变换空间（transformed space）的驱动力。这种变换实际上过滤了潜在空间中一些不重要的方向，从而突出了图像合成的关键方向。
能够识别这些重要的潜在方向，我们就能够控制图像生成过程，即编辑合成图像的语义。
在这篇论文中，研究者提出了一种新颖而简单的闭式方法「SeFa」，可用于 GAN 的潜在语义分解。现有方法通常使用三个步骤（采样、标注和边界搜索），而 SeFa 方法只需使用 GAN 模型学得的权重进行语义发现。
实验结果表明，这一方法能够通过非常快速和高效的实现（1 秒内），识别通用的潜在语义，在无监督条件下即可从不同类型的 GAN 模型中识别多种语义。具体方法可见论文。
下图展示了一些操作实例。即使我们不知道图像中对象的底层 3D 模型或姿态标签，也仍然进行旋转，并且该方法支持在 PGGAN、StyleGAN、BigGAN、StyleGAN2 等多个 GAN 模型中发现人类可理解的语义。
SeFa 的实验效果
研究者在多个 SOTA GAN 模型上进行大量实验，以评估所提出方法的效果，这些模型包括 PGGAN、StyleGAN、BigGAN 和 StyleGAN2。这些模型在多个数据集上进行了训练，包括人脸（CelebA-HQ 和 FF-HQ）、动漫人脸、场景和物体（LSUN）、街景和 ImageNet 等。为了对人脸进行定量分析，研究者在之前研究 [23] 的基础上，使用 ResNet-50 在 CelebA 数据集上训练了一个属性预测器。
无监督基准的对比
下图 3 展示了与基于采样的无监督方法之间的定性对比。
可以看出，SeFa 的生成结果（b 行）更接近于监督方法 InterFaceGAN（c 行）所生成的结果。例如在 StyleGAN 上使用 PCA 编辑姿势时，身份和发型会发生变化（a 行）。
图 3：语义定性对比。（a）基于采样的无监督方法 [10]；（b）该研究提出的闭式方法 SeFa；（c）监督方法 InterFaceGAN。
接下来是与基于学习的无监督方法的对比。
以下图 4 为例，当使用 Info-PGGAN 进行编辑时，头发的颜色会发生变化。
图 4：Info-PGGAN (a) 和 SeFa (b) 发现语义的定性对比。
监督方法对比和语义属性分析
接下来，研究者对比了 SeFa 与监督学习 SOTA 方法 InterFaceGAN 在潜在语义发现方面的性能，具体而言从以下两个角度进行分析：（a）在分离语义方面的区别，（b）识别语义的多样性。
表 2 展示了通过评估语义得分随潜码调整而发生的变化，对不同方法进行重新评分分析。每一行展示了将潜码朝某个方向移动的结果。
在下图 5 中，研究者将本文方法与监督方法 InterFaceGAN 进行对比。如图 5 (a) 所示，SeFa 成功地识别了与发色、发型和肤色这些要素对应的方向。同时该方法还可以识别更复杂的属性 ，如图 5 (b) 中的不同发型。
图 5：a）多样化的语义，InterFaceGAN 因缺乏语义预测期而无法识别；b）无法用二元属性描述的不同发型。
随后，研究者将 GAN 逆映射方法引入到这项工作中，以实现真实图像的处理。具体而言，给定一个待编辑的目标图像，我们首先将它投影到潜码，然后使用发现的潜在语义来调整逆代码。
如下图 6 所示，该研究提出的闭式方法所发现的语义是足够精确的，可以操纵真实的图像。例如，研究人员设法在输入图像中添加或删除眼镜（图 6 的第四列）。
图 6：对真实图像进行不同面部属性的处理。所有语义都是用 SeFa 找到的，GAN 逆映射用于将作为目标的真实图像投影回 StyleGAN 的潜在空间。
在其他 GAN 模型上的泛化表现
这部分验证了 SeFa 算法的泛化能力，即应用到在不同数据集上训练的各类 SOTA GAN 模型的效果。
图 7：从基于风格的生成器中发现的层级语义。其中街景模型使用了 StyleGAN2 进行训练，其他模型使用了 StyleGAN。
图 8：从 BigGAN 中发现的多样性语义，该模型在 ImageNet 上进行了有条件的训练。这些语义被进一步用于处理不同类别的图像。
