論文の概要: High resolution neural texture synthesis with long range constraints
- arxiv url: http://arxiv.org/abs/2008.01808v1
- Date: Tue, 4 Aug 2020 20:11:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 00:51:44.198045
- Title: High resolution neural texture synthesis with long range constraints
- Title(参考訳): 長距離制約付き高分解能ニューラルネットワークテクスチャ合成
- Authors: Nicolas Gonthier and Yann Gousseau and Sa\"id Ladjal
- Abstract要約: 長距離依存を考慮に入れた,シンプルなマルチレゾリューションフレームワークを提案する。
追加の統計的制約は、強い規則性を持つテクスチャの再現をさらに改善する。
実験は、高解像度テクスチャのためのマルチスケールスキームの関心と、それを通常のテクスチャのための追加制約と組み合わせることの関心を示している。
- 参考スコア(独自算出の注目度): 1.9336815376402716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The field of texture synthesis has witnessed important progresses over the
last years, most notably through the use of Convolutional Neural Networks.
However, neural synthesis methods still struggle to reproduce large scale
structures, especially with high resolution textures. To address this issue, we
first introduce a simple multi-resolution framework that efficiently accounts
for long-range dependency. Then, we show that additional statistical
constraints further improve the reproduction of textures with strong
regularity. This can be achieved by constraining both the Gram matrices of a
neural network and the power spectrum of the image. Alternatively one may
constrain only the autocorrelation of the features of the network and drop the
Gram matrices constraints. In an experimental part, the proposed methods are
then extensively tested and compared to alternative approaches, both in an
unsupervised way and through a user study. Experiments show the interest of the
multi-scale scheme for high resolution textures and the interest of combining
it with additional constraints for regular textures.
- Abstract(参考訳): テクスチャ合成の分野は、特に畳み込みニューラルネットワークの利用によって、ここ数年で重要な進歩を遂げている。
しかし、ニューラルシンセシス法はまだ大規模な構造、特に高分解能テクスチャの再現に苦慮している。
この問題に対処するため,我々はまず,長距離依存性を効率的に考慮した簡易なマルチレゾリューションフレームワークを導入する。
次に,追加の統計的制約により,より規則性の高いテクスチャの再現性が向上することを示す。
これは、ニューラルネットワークのグラム行列と画像のパワースペクトルの両方を制約することで実現できる。
あるいは、ネットワークの特徴の自己相関のみを制約し、グラム行列の制約を落としてもよい。
実験では,提案手法を検証し,教師なしの方法とユーザ調査による方法とを比較した。
実験は、高解像度テクスチャのためのマルチスケールスキームの関心と、それを通常のテクスチャのための追加制約と組み合わせることに興味を示す。
関連論文リスト
- Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳(メタデータ) (2023-10-11T12:46:11Z) - 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) - Deep Dependency Networks for Multi-Label Classification [24.24496964886951]
マルコフ確率場とニューラルネットワークを組み合わせた従来の手法の性能は、わずかに改善できることを示す。
我々は、依存性ネットワークを拡張するディープ依存ネットワークと呼ばれる新しいモデリングフレームワークを提案する。
単純さにもかかわらず、この新しいアーキテクチャを共同学習することで、パフォーマンスが大幅に向上する。
論文 参考訳(メタデータ) (2023-02-01T17:52:40Z) - Long Range Constraints for Neural Texture Synthesis Using Sliced
Wasserstein Loss [1.6589012298747952]
Sliced Wasserstein Lossに基づくテクスチャ合成のための新しい統計セットを提案する。
本研究では,提案手法の長期制約を捕捉する能力について検討し,その結果を他の最適化に基づく単一テクスチャ合成アルゴリズムと比較する。
論文 参考訳(メタデータ) (2022-11-21T01:03:21Z) - Zonotope Domains for Lagrangian Neural Network Verification [102.13346781220383]
我々は、ディープニューラルネットワークを多くの2層ニューラルネットワークの検証に分解する。
我々の手法は線形プログラミングとラグランジアンに基づく検証技術の両方により改善された境界を与える。
論文 参考訳(メタデータ) (2022-10-14T19:31:39Z) - IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable
Novel View Synthesis [90.03590032170169]
内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。
そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
論文 参考訳(メタデータ) (2022-10-02T22:45:11Z) - Content-aware Warping for View Synthesis [110.54435867693203]
本稿では,比較的大きな近傍の画素の重みを,軽量ニューラルネットワークによる文脈情報から適応的に学習するコンテンツ認識ワープを提案する。
この学習可能なワープモジュールに基づいて、2つのソースビューから新しいビューを合成するエンド・ツー・エンドの学習ベースのフレームワークを提案する。
広いベースラインと非構造的多視点データセットを有する構造的光フィールドデータセットの実験結果から,提案手法は,定量的かつ視覚的に,最先端の手法を著しく上回ることを示した。
論文 参考訳(メタデータ) (2022-01-22T11:35:05Z) - METGAN: Generative Tumour Inpainting and Modality Synthesis in Light
Sheet Microscopy [4.872960046536882]
本稿では,実解剖情報を活用し,腫瘍の現実的な画像ラベル対を生成する新しい生成法を提案する。
解剖学的画像とラベルのためのデュアルパス生成器を構築し, 独立して事前学習されたセグメンタによって制約された, サイクル一貫性のある設定で学習する。
生成した画像は,既存の手法に比べて定量的に顕著に改善された。
論文 参考訳(メタデータ) (2021-04-22T11:18:17Z) - A Sliced Wasserstein Loss for Neural Texture Synthesis [10.093662416275693]
本稿では,物体認識に最適化された畳み込みニューラルネットワークの特徴アクティベーションから抽出した統計値に基づいて,テクスチャ損失を計算する問題に対処する。
Sliced Wasserstein DistanceをGram-matrix損失の代替として推進することを目的としています。
論文 参考訳(メタデータ) (2020-06-12T14:37:11Z) - Beyond Dropout: Feature Map Distortion to Regularize Deep Neural
Networks [107.77595511218429]
本稿では,ディープニューラルネットワークの中間層に関連する実験的なRademacher複雑性について検討する。
上記の問題に対処するための特徴歪み法(Disout)を提案する。
より高い試験性能を有するディープニューラルネットワークを作製するための特徴写像歪みの優位性を解析し、実証した。
論文 参考訳(メタデータ) (2020-02-23T13:59:13Z)
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。