論文の概要: Domain-Specific Mappings for Generative Adversarial Style Transfer

• arxiv url: http://arxiv.org/abs/2008.02198v1
• Date: Wed, 5 Aug 2020 15:55:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 18:31:31.290542
• Title: Domain-Specific Mappings for Generative Adversarial Style Transfer
• Title（参考訳）: 生成的敵対的スタイル転送のためのドメイン固有マッピング
• Authors: Hsin-Yu Chang, Zhixiang Wang, Yung-Yu Chuang
• Abstract要約: スタイル転送は、コンテンツが1つの画像から来る画像と、もう1つの画像から来るスタイルを生成する。 以前の方法は、しばしば共有ドメイン不変のコンテンツ空間を前提としており、コンテンツ表現能力を損なう可能性がある。 本稿では、共有コンテンツ空間における潜在特徴をドメイン固有のコンテンツ空間に再マッピングするために、ドメイン固有のマッピングを利用する。
• 参考スコア（独自算出の注目度）: 30.50889066030244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Style transfer generates an image whose content comes from one image and style from the other. Image-to-image translation approaches with disentangled representations have been shown effective for style transfer between two image categories. However, previous methods often assume a shared domain-invariant content space, which could compromise the content representation power. For addressing this issue, this paper leverages domain-specific mappings for remapping latent features in the shared content space to domain-specific content spaces. This way, images can be encoded more properly for style transfer. Experiments show that the proposed method outperforms previous style transfer methods, particularly on challenging scenarios that would require semantic correspondences between images. Code and results are available at https://acht7111020.github.io/DSMAP-demo/.
• Abstract（参考訳）: スタイル転送は、一方のイメージと他方のスタイルからコンテンツが生まれるイメージを生成する。 アンタングル表現を用いた画像から画像への変換手法は,2つの画像カテゴリ間のスタイル伝達に有効であることが示されている。 しかし、従来の手法では共有ドメイン不変コンテンツ空間を前提としており、コンテンツ表現能力を損なう可能性がある。 この問題に対処するために,本論文では,共有コンテンツ空間の潜在機能をドメイン固有のコンテンツ空間に再マッピングするために,ドメイン固有のマッピングを利用する。 このように、画像はスタイル転送のためにより適切にエンコードできる。 実験により,提案手法は,画像間の意味的対応を必要とする難易度の高いシナリオにおいて,従来手法よりも優れていた。 コードと結果はhttps://acht7111020.github.io/dsmap-demo/で入手できる。

関連論文リスト

• Any-to-Any Style Transfer: Making Picasso and Da Vinci Collaborate [58.83278629019384]
  スタイル転送は、コンテンツ参照のために、ある画像のスタイルを他の画像へのスタイル参照にレンダリングすることを目的としている。 既存のアプローチでは、スタイルイメージの全体的スタイルをグローバルな方法で適用するか、あるいは、スタイルイメージのローカル色とテクスチャを、事前に定義された方法でコンテンツに移行するかのいずれかである。 本稿では,Any-to-Any Style Transferを提案する。Any-to-Any Style Transferは,スタイル画像中の領域のスタイルを対話的に選択し,所定のコンテンツ領域に適用することができる。
  論文  参考訳（メタデータ） (2023-04-19T15:15:36Z)
• DSI2I: Dense Style for Unpaired Image-to-Image Translation [70.93865212275412]
  Inpaired exemplar-based image-to-image (UEI2I) 翻訳は、ソース画像をターゲット画像領域に変換する。 我々は,スタイルを高密度な特徴写像として表現し,外部意味情報を必要とせず,よりきめ細かなソース画像の転送を可能にすることを提案する。 以上の結果から,本手法による翻訳は,より多様であり,資料内容の保存性が向上し,最先端の手法と比較すると,先例に近づいたことが示唆された。
  論文  参考訳（メタデータ） (2022-12-26T18:45:25Z)
• DRANet: Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain Adaptation [23.588766224169493]
  dranetは画像表現を分離し、教師なしのクロスドメイン適応のために潜在空間に視覚属性を転送するネットワークアーキテクチャである。 私たちのモデルは、ソースイメージとターゲットイメージの両方からコンテンツ(シーン構造)とスタイル(芸術的外観)の個々の表現をエンコードします。 変換されたスタイルファクタを、各ドメインに指定された学習可能なウェイトと共にコンテンツファクタに組み込むことで、ドメインに適応する。
  論文  参考訳（メタデータ） (2021-03-24T18:54:23Z)
• SMILE: Semantically-guided Multi-attribute Image and Layout Editing [154.69452301122175]
  GAN(Generative Adversarial Networks)の導入以来、属性画像操作は非常に活発な話題となっている。 対象領域の下位領域情報のみを使用しながら、ランダムノイズや画像によって誘導される全ての属性を処理するマルチモーダル表現を提案する。 本手法では,イメージを参照として,あるいはスタイル分布空間を探索することにより,細粒度や粗粒度などの属性の追加,削除,変更を行うことができる。
  論文  参考訳（メタデータ） (2020-10-05T20:15:21Z)
• 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)
• Manifold Alignment for Semantically Aligned Style Transfer [61.1274057338588]
  我々は,同じ意味領域からの画像特徴が多様体を形成し,複数の意味領域を持つ画像が多次元分布に従うことを仮定する。 この仮定に基づき、スタイル伝達問題は2つの多次元分布の整列として定式化される。 提案したフレームワークは、出力とスタイルイメージの間の意味的に類似した領域を、類似したスタイルパターンを共有することができる。
  論文  参考訳（メタデータ） (2020-05-21T16:52:37Z)
• TriGAN: Image-to-Image Translation for Multi-Source Domain Adaptation [82.52514546441247]
  本稿では,ジェネレーティブ・アドバイサル・ネットワークに基づくマルチソース・ドメイン適応(MSDA)の最初のアプローチを提案する。 本手法は,画像の出現がドメイン,スタイル,内容の3つの要因に依存するという観察に着想を得たものである。 提案手法はMSDAベンチマークを用いて試行し,最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-19T05:07:22Z)

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。