論文の概要: Global Image Sentiment Transfer

• arxiv url: http://arxiv.org/abs/2006.11989v1
• Date: Mon, 22 Jun 2020 03:22:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 06:13:42.159934
• Title: Global Image Sentiment Transfer
• Title（参考訳）: グローバルイメージの感情伝達
• Authors: Jie An, Tianlang Chen, Songyang Zhang, and Jiebo Luo
• Abstract要約: 提案するフレームワークは,参照画像検索ステップとグローバル感情伝達ステップから構成される。 検索した参照画像は、知覚的損失に基づいてアルゴリズムに対してより内容に関連がある。 提案した感情伝達アルゴリズムは、入力画像のコンテンツ構造を確実に保ちながら、画像の感情を伝達することができる。
• 参考スコア（独自算出の注目度）: 90.26415735432576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transferring the sentiment of an image is an unexplored research topic in the area of computer vision. This work proposes a novel framework consisting of a reference image retrieval step and a global sentiment transfer step to transfer sentiments of images according to a given sentiment tag. The proposed image retrieval algorithm is based on the SSIM index. The retrieved reference images by the proposed algorithm are more content-related against the algorithm based on the perceptual loss. Therefore can lead to a better image sentiment transfer result. In addition, we propose a global sentiment transfer step, which employs an optimization algorithm to iteratively transfer sentiment of images based on feature maps produced by the Densenet121 architecture. The proposed sentiment transfer algorithm can transfer the sentiment of images while ensuring the content structure of the input image intact. The qualitative and quantitative experiments demonstrate that the proposed sentiment transfer framework outperforms existing artistic and photorealistic style transfer algorithms in making reliable sentiment transfer results with rich and exact details.
• Abstract（参考訳）: イメージの感情の伝達は、コンピュータビジョンの領域における未調査の研究トピックである。 本研究は,参照画像検索ステップとグローバル感情伝達ステップからなる新しいフレームワークを提案し,与えられた感情タグに従って画像の感情を伝達する。 提案する画像検索アルゴリズムは,SSIMインデックスに基づく。 提案アルゴリズムによる検索された参照画像は知覚損失に基づくアルゴリズムに対してよりコンテンツ関連である。 したがって、イメージの感情伝達結果が向上する可能性がある。 さらに,angrynet121アーキテクチャによって作成された特徴マップに基づいて,画像の感情を反復的に伝達する最適化アルゴリズムを用いたグローバル感情伝達ステップを提案する。 提案する感情伝達アルゴリズムは、入力画像の内容構造を保ちつつ、画像の感情を伝達することができる。 定性的かつ定量的な実験は、提案された感情伝達フレームワークが既存の芸術的およびフォトリアリスティックなスタイルの伝達アルゴリズムより優れており、信頼性の高い感情伝達結果をリッチで正確な詳細で実現していることを示している。

関連論文リスト

• Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
  本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。 具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-23T08:31:11Z)
• Joint Learning of Deep Texture and High-Frequency Features for Computer-Generated Image Detection [24.098604827919203]
  本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。 セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。 原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
  論文  参考訳（メタデータ） (2022-09-07T17:30:40Z)
• Towards Semantic Communications: Deep Learning-Based Image Semantic Coding [42.453963827153856]
  我々は,よりセマンティクスや帯域幅に敏感な画像データに対するセマンティクス通信を考案した。 画素レベルを超えて画像を符号化する強化学習に基づく適応意味符号化(RL-ASC)手法を提案する。 実験の結果,提案したRL-ASCはノイズ耐性があり,視覚的に快適でセマンティックな一貫した画像の再構成が可能であった。
  論文  参考訳（メタデータ） (2022-08-08T12:29:55Z)
• Marginal Contrastive Correspondence for Guided Image Generation [58.0605433671196]
  例題に基づく画像翻訳は、条件入力と2つの異なる領域からの例題間の密接な対応を確立する。 既存の作業は、2つのドメインにまたがる機能的距離を最小化することで、ドメイン間の通信を暗黙的に構築する。 本稿では,MCL-Net(Marginal Contrastive Learning Network)の設計を行った。
  論文  参考訳（メタデータ） (2022-04-01T13:55:44Z)
• Spatial Content Alignment For Pose Transfer [13.018067816407923]
  衣服のテクスチャーのコンテンツ一貫性と人間の特性の詳細を高めるための新しいフレームワークを提案します。 まず,前もってターゲットポーズにエッジ内容の転送を行うことにより,空間的不整合を緩和する。 第二に、フォトリアリスティックな人物画像を順調に合成できる新しいContent-Style DeBlkを紹介します。
  論文  参考訳（メタデータ） (2021-03-31T06:10:29Z)
• Retrieval Guided Unsupervised Multi-domain Image-to-Image Translation [59.73535607392732]
  画像から画像への変換は、ある視覚領域から別の領域へ画像を変換するマッピングを学ぶことを目的としている。 本稿では,画像から画像への変換作業を支援するための画像検索システムを提案する。
  論文  参考訳（メタデータ） (2020-08-11T20:11:53Z)
• Image Sentiment Transfer [84.91653085312277]
  我々は,イメージの感情伝達という,重要ではあるが未調査の研究課題を導入する。 本稿では,オブジェクトレベルでイメージの感情伝達を行う,効果的で柔軟なフレームワークを提案する。 中心となるオブジェクトレベルの感情伝達のために、我々は新しい感性認識型GAN(SentiGAN)を提案する。
  論文  参考訳（メタデータ） (2020-06-19T19:28:08Z)
• Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
  Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。 証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。 本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-13T22:01:24Z)
• CrDoCo: Pixel-level Domain Transfer with Cross-Domain Consistency [119.45667331836583]
  教師なしのドメイン適応アルゴリズムは、あるドメインから学んだ知識を別のドメインに転送することを目的としている。 本稿では,新しい画素単位の対向領域適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-09T19:00:35Z)

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。