論文の概要: Hierarchy Composition GAN for High-fidelity Image Synthesis

• arxiv url: http://arxiv.org/abs/1905.04693v5
• Date: Wed, 19 Apr 2023 20:58:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-21 18:47:49.622078
• Title: Hierarchy Composition GAN for High-fidelity Image Synthesis
• Title（参考訳）: 高精細画像合成のための階層合成GAN
• Authors: Fangneng Zhan, Jiaxing Huang and Shijian Lu
• Abstract要約: 本稿では,革新的階層構成GAN(HIC-GAN)を提案する。 HIC-GANは、幾何学と外観領域における画像合成をエンドツーエンドのトレーニング可能なネットワークに組み込んでいる。 シーンテキスト画像合成, 肖像画編集, 室内レンダリングタスクの実験により, 提案したHIC-GANは, 質的, 定量的に優れた合成性能が得られることを示した。
• 参考スコア（独自算出の注目度）: 57.32311953820988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the rapid progress of generative adversarial networks (GANs) in image synthesis in recent years, the existing image synthesis approaches work in either geometry domain or appearance domain alone which often introduces various synthesis artifacts. This paper presents an innovative Hierarchical Composition GAN (HIC-GAN) that incorporates image synthesis in geometry and appearance domains into an end-to-end trainable network and achieves superior synthesis realism in both domains simultaneously. We design an innovative hierarchical composition mechanism that is capable of learning realistic composition geometry and handling occlusions while multiple foreground objects are involved in image composition. In addition, we introduce a novel attention mask mechanism that guides to adapt the appearance of foreground objects which also helps to provide better training reference for learning in geometry domain. Extensive experiments on scene text image synthesis, portrait editing and indoor rendering tasks show that the proposed HIC-GAN achieves superior synthesis performance qualitatively and quantitatively.
• Abstract（参考訳）: 近年、画像合成におけるgans(generative adversarial network)の急速な進歩にもかかわらず、既存の画像合成アプローチは幾何領域と外観領域の両方で機能し、しばしば様々な合成アーティファクトを導入する。 本稿では、幾何学と外観領域における画像合成をエンドツーエンドのトレーニング可能なネットワークに組み込んだ革新的な階層構成GAN(HIC-GAN)を提案する。 複数のフォアグラウンドオブジェクトが画像合成に関与する間、現実的な構成幾何学を学習し、オクルージョンを処理できる革新的な階層的構成機構を設計する。 さらに,前景物体の出現を誘導する新しいアテンションマスク機構を導入し,幾何学領域における学習のためのより良いトレーニング基準を提供する。 シーンテキスト合成, ポートレート編集, 屋内レンダリングタスクに関する広範な実験により, 提案手法が質的, 定量的に優れた合成性能を実現することが示された。

関連論文リスト

• SAMPLING: Scene-adaptive Hierarchical Multiplane Images Representation for Novel View Synthesis from a Single Image [60.52991173059486]
  単一画像からの新規ビュー合成のためのシーン適応型階層型多面体画像表現であるSAMPlingを紹介する。 提案手法は,KITTIデータセット上の単一画像を用いて,大規模非有界屋外シーンにおいてかなりの性能向上を示す。
  論文  参考訳（メタデータ） (2023-09-12T15:33:09Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• A geometrically aware auto-encoder for multi-texture synthesis [1.2891210250935146]
  マルチテクスチャ合成のための自動エンコーダアーキテクチャを提案する。 画像はコンパクトで幾何学的に整合した潜在空間に埋め込まれる。 テクスチャ合成とタスクは、これらの潜在コードから直接実行することができる。
  論文  参考訳（メタデータ） (2023-02-03T09:28:39Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• Biphasic Face Photo-Sketch Synthesis via Semantic-Driven Generative Adversarial Network with Graph Representation Learning [40.544844623958426]
  本稿では,これらの問題に対処するためのセマンティック・ドリブン・ジェネレーティブ・アドバイザリ・ネットワークを提案する。 人間の顔が異なる空間構造を持つことを考慮し、まず、生成元にクラスワイドなセマンティックレイアウトを注入する。 IntrA-class Semantic Graph (IASG) とInteR-class Structure Graph (IRSG) という2種類の表現グラフを構築した。
  論文  参考訳（メタデータ） (2022-01-05T13:14:14Z)
• A Survey on Adversarial Image Synthesis [0.0]
  本稿では,画像合成に使用される手法の分類,テキスト・画像合成と画像・画像翻訳の異なるモデルについて検討し,いくつかの評価指標と,GANを用いた画像合成における今後の研究方向について考察する。
  論文  参考訳（メタデータ） (2021-06-30T13:31:48Z)
• Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
  まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。 眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
  論文  参考訳（メタデータ） (2021-03-30T01:30:08Z)
• Improving Augmentation and Evaluation Schemes for Semantic Image Synthesis [16.097324852253912]
  本稿では,GAN(Generative Adversarial Network)に特化して設計された新しい拡張方式を提案する。 本稿では,ジェネレータへの入力として使用するセマンティックラベルマップのオブジェクト形状をランダムにワープする。 ワープされたラベルマップと非ワープされたラベルマップと画像の間の局所的な形状の相違により、GANはシーンの構造的および幾何学的詳細をよりよく学習することができる。
  論文  参考訳（メタデータ） (2020-11-25T10:55:26Z)
• Adversarial Image Composition with Auxiliary Illumination [53.89445873577062]
  本稿では,現実的な画像合成を実現するためのAIC-Netを提案する。 影の発生と前景の移動を両立させる新しい分岐生成機構を提案する。 歩行者と自動車のコンポジションタスクに関する実験により,提案したAIC-Netが優れたコンポジション性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-09-17T12:58:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。