論文の概要: GAIT: Gradient Adjusted Unsupervised Image-to-Image Translation

• arxiv url: http://arxiv.org/abs/2009.00878v1
• Date: Wed, 2 Sep 2020 08:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-22 19:45:16.461246
• Title: GAIT: Gradient Adjusted Unsupervised Image-to-Image Translation
• Title（参考訳）: GAIT: ゆるやかな調整による教師なし画像間翻訳
• Authors: Ibrahim Batuhan Akkaya and Ugur Halici
• Abstract要約: 対向損失を利用して、翻訳された画像セットと対象画像セットの分布を一致させる。 これにより、2つの領域が例えば一様領域において異なる辺分布を持つようなアーティファクトが生成される。 本稿では,翻訳後の一様領域を保存する教師なしIITを提案する。
• 参考スコア（独自算出の注目度）: 5.076419064097734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image-to-image translation (IIT) has made much progress recently with the development of adversarial learning. In most of the recent work, an adversarial loss is utilized to match the distributions of the translated and target image sets. However, this may create artifacts if two domains have different marginal distributions, for example, in uniform areas. In this work, we propose an unsupervised IIT method that preserves the uniform regions after the translation. The gradient adjustment loss, which is the L2 norm between the Sobel response of the target image and the adjusted Sobel response of the source images, is utilized. The proposed method is validated on the jellyfish-to-Haeckel dataset, which is prepared to demonstrate the mentioned problem, which contains images with different background distributions. We demonstrate that our method obtained a performance gain compared to the baseline method qualitatively and quantitatively, showing the effectiveness of the proposed method.
• Abstract（参考訳）: 画像から画像への翻訳 (IIT) は近年, 対人学習の発展によって大きく進歩している。 最近の研究のほとんどは、翻訳された画像集合と対象画像集合の分布に一致するように、逆損失を利用する。 しかし、このことは、2つの領域が例えば一様領域において異なる辺分布を持つようなアーティファクトを生み出す可能性がある。 本研究では,翻訳後の一様領域を保存する教師なしIIT手法を提案する。 対象画像のソベル応答とソース画像の調整ソベル応答とのL2ノルムである勾配調整損失を利用する。 提案手法は,背景分布の異なる画像を含む上記の問題を実証するために準備されたクラゲ-ハエケルデータセット上で検証される。 本手法は,提案手法の有効性を示す基準法と比較して,質的,定量的に性能向上が得られた。

関連論文リスト

• Masked Discriminators for Content-Consistent Unpaired Image-to-Image Translation [1.3654846342364308]
  画像から画像への変換の欠如の共通のゴールは、ソース画像と翻訳画像の間のコンテンツ一貫性を維持することである。 コンテンツベースのマスクを用いて、両領域のグローバル識別器の入力をマスキングすることは、コンテンツの不整合を著しく低減するのに十分であることを示す。 実験により,本手法は,光現実的シミュレーショナル翻訳と気象翻訳において,最先端の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-09-22T21:32:07Z)
• Conditional Score Guidance for Text-Driven Image-to-Image Translation [52.73564644268749]
  本稿では,事前訓練されたテキスト・画像拡散モデルに基づく,テキスト駆動型画像・画像変換のための新しいアルゴリズムを提案する。 本手法は,ソース画像の関心領域を選択的に編集することで,対象画像を生成することを目的とする。
  論文  参考訳（メタデータ） (2023-05-29T10:48:34Z)
• Smooth image-to-image translations with latent space interpolations [64.8170758294427]
  マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。 我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
  論文  参考訳（メタデータ） (2022-10-03T11:57:30Z)
• Multi-domain Unsupervised Image-to-Image Translation with Appearance Adaptive Convolution [62.4972011636884]
  本稿では,MDUIT(Multi-domain unsupervised image-to-image translation)フレームワークを提案する。 我々は、分解されたコンテンツ特徴と外観適応的畳み込みを利用して、画像をターゲットの外観に変換する。 提案手法は,最先端の手法と比較して,複数の領域で視覚的に多様かつ妥当な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-02-06T14:12:34Z)
• Smoothing the Disentangled Latent Style Space for Unsupervised Image-to-Image Translation [56.55178339375146]
  イメージ・ツー・イメージ(I2I)マルチドメイン翻訳モデルは通常、セマンティックな結果の品質を用いて評価される。 本稿では,翻訳ネットワークがスムーズでゆがみのあるラテントスタイル空間を学習するのに役立つ,3つの特定の損失に基づく新たなトレーニングプロトコルを提案する。
  論文  参考訳（メタデータ） (2021-06-16T17:58:21Z)
• Dual Contrastive Learning for Unsupervised Image-to-Image Translation [16.759958400617947]
  unsupervised image-to-image translationタスクは、非ペアトレーニングデータからソースドメインxとターゲットドメインyとのマッピングを見つけることを目的としている。 画像対画像翻訳におけるコントラスト学習は最先端の成果をもたらす。 本論文では, 対比学習に基づく新しい手法と, 対比データ間の効率的なマッピングを推定するデュアルラーニング設定を提案する。
  論文  参考訳（メタデータ） (2021-04-15T18:00:22Z)
• Multiple GAN Inversion for Exemplar-based Image-to-Image Translation [0.0]
  実例に基づく画像-画像変換のための複数GANインバージョンを提案する。 提案するMultiple GAN Inversionは,階層数選択における自己決定アルゴリズムによる人間の介入を回避する。 実験結果から,提案手法の利点を既存の最先端の画像画像変換法と比較した。
  論文  参考訳（メタデータ） (2021-03-26T13:46:14Z)
• Learning Unsupervised Cross-domain Image-to-Image Translation Using a Shared Discriminator [2.1377923666134118]
  教師なし画像画像変換は、ソースドメインから画像を変換して、ソースターゲット画像ペアを使用することなく、ターゲットドメインで画像を生成するために使用される。 本稿では,2つのGAN間の1つの共有判別器を用いた新しい手法を提案する。 提案手法は,注意機構を付加せずにも,注意に基づく手法と同等に動作し,同等の画質の画像を生成できることが示唆された。
  論文  参考訳（メタデータ） (2021-02-09T08:26:23Z)
• Unsupervised Image-to-Image Translation via Pre-trained StyleGAN2 Network [73.5062435623908]
  本稿では,一連のモデル変換によって対象領域に新たなモデルを生成する新しいI2I翻訳手法を提案する。 潜在ベクトルを生成されたモデルに入力することで、ソースドメインとターゲットドメインの間でI2I翻訳を行うことができる。
  論文  参考訳（メタデータ） (2020-10-12T13:51:40Z)
• Contrastive Learning for Unpaired Image-to-Image Translation [64.47477071705866]
  画像から画像への変換では、出力の各パッチは、入力中の対応するパッチの内容を、ドメインに依存しない形で反映すべきである。 本研究では,両者の相互情報を最大化するために,コントラスト学習に基づく枠組みを提案する。 筆者らのフレームワークは、画質の向上とトレーニング時間の短縮を図りながら、画像から画像への翻訳設定の一方的な翻訳を可能にすることを実証している。
  論文  参考訳（メタデータ） (2020-07-30T17:59:58Z)

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。