来自香港中文大学和小米 AI 实验室的研究人员在一项新研究中提出，GAN 反转任务不仅需要通过像素值重建目标图像，而且还需要将反转后的代码保持在训练有素的 GAN 原始潜在空间的语义域中。为此，他们提出了域内 GAN 倒置（IDInvert）——方法是首先训练一种新型的域引导编码器，该编码器能够产生域内潜在代码，然后执行域正规化优化，其中涉及编码器作为降落的正则化器微调潜在空间内的代码。IDInvert 生成的域内代码可使用固定的 GAN 模型实现高质量的真实图像编辑，包括「穿戴」眼镜、调整表情、甚至「变年轻」等。