論文の概要: MatchingGAN: Matching-based Few-shot Image Generation

• arxiv url: http://arxiv.org/abs/2003.03497v2
• Date: Sun, 15 Mar 2020 03:17:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 19:39:57.956326
• Title: MatchingGAN: Matching-based Few-shot Image Generation
• Title（参考訳）: matchinggan: マッチングベースの少数ショット画像生成
• Authors: Yan Hong, Li Niu, Jianfu Zhang, Liqing Zhang
• Abstract要約: マッチングに基づくGAN(Generative Adversarial Network)を提案する。 マッチングジェネレータは、同じカテゴリのいくつかの条件付き画像とランダムベクトルを一致させることができる。 本発明のマッチング判別器は、生成された画像の特徴と条件付き画像の融合特徴とをマッチングすることにより、従来のGAN識別器を拡張している。
• 参考スコア（独自算出の注目度）: 27.570773346794613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To generate new images for a given category, most deep generative models require abundant training images from this category, which are often too expensive to acquire. To achieve the goal of generation based on only a few images, we propose matching-based Generative Adversarial Network (GAN) for few-shot generation, which includes a matching generator and a matching discriminator. Matching generator can match random vectors with a few conditional images from the same category and generate new images for this category based on the fused features. The matching discriminator extends conventional GAN discriminator by matching the feature of generated image with the fused feature of conditional images. Extensive experiments on three datasets demonstrate the effectiveness of our proposed method.
• Abstract（参考訳）: 与えられたカテゴリの新しいイメージを生成するには、ほとんどの深層生成モデルは、このカテゴリから豊富なトレーニングイメージを必要とする。 少数の画像のみに基づいて生成する目的を達成するために、マッチング生成器とマッチング識別器を含む数ショット生成のためのマッチングベース生成適応ネットワーク(GAN)を提案する。 マッチング生成器は同じカテゴリからいくつかの条件付き画像とランダムベクトルをマッチングし、融合した特徴に基づいてこのカテゴリの新しい画像を生成する。 マッチング判別器は、生成画像の特徴と条件画像の融合特徴とを一致させることにより、従来のgan判別器を拡張する。 3つのデータセットに関する広範囲な実験により,提案手法の有効性が示された。

関連論文リスト

• Stable Attribute Group Editing for Reliable Few-shot Image Generation [88.59350889410794]
  本稿では,編集ベースのフレームワークであるAttribute Group Editing (AGE) について述べる。 下流分類におけるGAN生成画像では,クラス不整合が一般的な問題であることがわかった。 我々は,SAGEの下流分類性能を,画素および周波数成分の増大により向上させることを提案する。
  論文  参考訳（メタデータ） (2023-02-01T01:51:47Z)
• Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
  従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。 マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。 また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-27T11:25:35Z)
• Towards Diverse and Faithful One-shot Adaption of Generative Adversarial Networks [54.80435295622583]
  ワンショット生成ドメイン適応は、訓練済みのジェネレータを1つの参照画像のみを使用して、新しいドメインに転送することを目的としている。 本稿では、多種多様な世代と忠実な適応のための新しい一発生成ドメイン適応法、すなわち、DiFaを提案する。
  論文  参考訳（メタデータ） (2022-07-18T16:29:41Z)
• Collaging Class-specific GANs for Semantic Image Synthesis [68.87294033259417]
  本稿では,高分解能なセマンティック画像合成のための新しい手法を提案する。 1つのベースイメージジェネレータと複数のクラス固有のジェネレータで構成される。 実験により,本手法は高解像度で高品質な画像を生成することができることが示された。
  論文  参考訳（メタデータ） (2021-10-08T17:46:56Z)
• Guiding GANs: How to control non-conditional pre-trained GANs for conditional image generation [69.10717733870575]
  本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。 提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
  論文  参考訳（メタデータ） (2021-01-04T14:03:32Z)
• F2GAN: Fusing-and-Filling GAN for Few-shot Image Generation [30.58721337843086]
  本稿ではF2GAN(Fusing-and-Filling Generative Adrial Network)を提案する。 我々の判別器は、損失を求めるモードと逆回帰損失を求めるモードにより、生成画像の多様性を確保することができる。
  論文  参考訳（メタデータ） (2020-08-05T08:47:42Z)
• Progressively Unfreezing Perceptual GAN [28.330940021951438]
  画像生成にはGAN(Generative Adversarial Network)が広く用いられているが、生成した画像はテクスチャの詳細が欠如している。 本稿では,テクスチャの細かい画像を生成するための一般的なフレームワークであるProgressively Unfreezing Perceptual GAN(PUPGAN)を提案する。
  論文  参考訳（メタデータ） (2020-06-18T03:12:41Z)
• OneGAN: Simultaneous Unsupervised Learning of Conditional Image Generation, Foreground Segmentation, and Fine-Grained Clustering [100.32273175423146]
  本研究では、教師なしの方法で、条件付き画像生成装置、前景抽出とセグメンテーション、オブジェクトの削除と背景補完を同時に学習する方法を提案する。 Geneversarative Adrial Network と Variational Auto-Encoder を組み合わせることで、複数のエンコーダ、ジェネレータ、ディスクリミネータを組み合わせ、全てのタスクを一度に解くことができる。
  論文  参考訳（メタデータ） (2019-12-31T18:15:58Z)

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。