biscuitの博客

Z 空间#

$Z$ 是生成器的原始输入空间，服从各向同性的标准高斯分布 $\mathcal{N}(0, I)$。维度通常为 512。

• 特点：分布固定，采样简单，但空间密度均匀——每个方向方差相同，语义方向不明确。
• 用途：训练时的采样来源。
• 局限：直接在这个空间上做反演和编辑非常困难，因为任何方向的变化都会耦合影响到所有生成属性。

W 空间#

Mapping Network 的输出空间。由 MLP 将 $Z$ 映射到 $W$，分布由数据隐式定义，不再服从高斯分布。

• 特点：各向异性，不同方向对应不同的语义属性。解耦性比 $Z$ 好得多。
• 用途：Truncation Trick 在 $W$ 上操作。GANSpace 和 SeFa 等方向探索方法在 $W$ 上寻找语义编辑方向。
• 局限：只有一个 $w$ 控制所有生成层，无法对不同层级的属性做独立调整。

W+ 空间#

由 Image2StyleGAN（Abdul et al., 2019）提出。$W^+ = \{w_1, w_2, \dots, w_{18}\}$，每个 $w_i \in \mathbb{R}^{512}$，为 Synthesis Network 的每一层（共 18 层）分配一个独立的风格向量。

• 特点：自由度从 512 扩展到 $18 \times 512 = 9216$，表达能力远超 $W$。每一层的风格向量独立控制对应分辨率级别的特征，实现了属性间的解耦编辑。
• 用途：GAN 反演的事实标准空间。pSp、GPEN 等几乎所有现代反演方法都输出到 $W^+$。在 $W^+$ 上做编辑可以精确定位到某一层级而保持其他层级不变。
• 问题：自由度增大带来了过度拟合的风险——反演可能把噪声也编入 $W^+$ 导致重建完美但失去编辑能力（违反了”隐码在流形上”的先验假设）。

F 空间#

生成器中间层的特征图空间。Synthesis Network 在每一层输出一组特征图 $F \in \mathbb{R}^{H \times W \times C}$。

• 特点：保留了空间结构信息。位置 $(x,y)$ 在 $F$ 中对应图像空间的一个局部区域。
• 用途：局部编辑（只修改某个区域的 $F$）、图像填充（补全被遮盖区域的 $F$）。Image2StyleGAN++ 的局部风格迁移就是在 $F$ 空间上操作的。
• 与 $W^+$ 的关系：$W^+$ 是全局风格码（每层一个向量），$F$ 是空间特征图（每层一个张量）。两者可以组合使用来兼顾全局风格和局部编辑。

N 空间#

随机噪声输入空间，由 Image2StyleGAN++（Abdul et al., 2020）引入。StyleGAN 的合成网络每层还会接收一个随机噪声图 $N_i$（与特征图同尺寸的单通道噪声），用于生成随机细节（发丝、毛孔等）。

• 特点：控制生成结果中的随机变化，如皮肤纹理、头发丝位置。修改 $N$ 空间只改变细节而不改变整体结构和颜色。
• 用途：跨图像风格迁移时保留原始图像的随机细节。GPEN 在盲人脸复原中也利用了 $N$ 空间来恢复纹理级细节。
• 特点：不影响生成图像的身份和语义内容。

各空间对比总表#

:::tip TODO

在此处插入各隐空间在 StyleGAN 架构中的位置示意图

:::