論文の概要: Adversarial Image Composition with Auxiliary Illumination

• arxiv url: http://arxiv.org/abs/2009.08255v2
• Date: Sat, 9 Jan 2021 15:05:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 11:48:56.328612
• Title: Adversarial Image Composition with Auxiliary Illumination
• Title（参考訳）: 補助照明付き逆像組成物
• Authors: Fangneng Zhan, Shijian Lu, Changgong Zhang, Feiying Ma, Xuansong Xie
• Abstract要約: 本稿では,現実的な画像合成を実現するためのAIC-Netを提案する。 影の発生と前景の移動を両立させる新しい分岐生成機構を提案する。 歩行者と自動車のコンポジションタスクに関する実験により,提案したAIC-Netが優れたコンポジション性能を実現することを示す。
• 参考スコア（独自算出の注目度）: 53.89445873577062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dealing with the inconsistency between a foreground object and a background image is a challenging task in high-fidelity image composition. State-of-the-art methods strive to harmonize the composed image by adapting the style of foreground objects to be compatible with the background image, whereas the potential shadow of foreground objects within the composed image which is critical to the composition realism is largely neglected. In this paper, we propose an Adversarial Image Composition Net (AIC-Net) that achieves realistic image composition by considering potential shadows that the foreground object projects in the composed image. A novel branched generation mechanism is proposed, which disentangles the generation of shadows and the transfer of foreground styles for optimal accomplishment of the two tasks simultaneously. A differentiable spatial transformation module is designed which bridges the local harmonization and the global harmonization to achieve their joint optimization effectively. Extensive experiments on pedestrian and car composition tasks show that the proposed AIC-Net achieves superior composition performance qualitatively and quantitatively.
• Abstract（参考訳）: 前景オブジェクトと背景画像との矛盾に対処することは、高忠実度画像合成において難しい課題である。 最先端の手法では,前景オブジェクトのスタイルを背景画像に適合させることで合成画像の調和を図るが,構成リアリズムに不可欠な構成画像内の前景オブジェクトの潜在的な影は無視される。 本稿では,前景オブジェクトが合成画像に投影する潜在的な影を考慮し,現実的な画像合成を実現するAIC-Netを提案する。 2つのタスクを同時に最適に達成するために,影の発生と前景スタイルの移動を両立させる新しい分岐生成機構を提案する。 局所的調和と大域的調和を橋渡しして, 共同最適化を効果的に実現する, 微分可能な空間変換モジュールを設計する。 歩行者および自動車構成課題に関する広範な実験により, aic-netは, 質的, 定量的に優れた構成性能を実現することが示された。

関連論文リスト

• FreeCompose: Generic Zero-Shot Image Composition with Diffusion Prior [50.0535198082903]
  我々は,複数の入力イメージを単一のコヒーレントなイメージに統合する,新しい画像合成手法を提案する。 本稿では, 大規模事前学習拡散モデルに内在する強力な生成的前駆体を利用して, 汎用画像合成を実現する可能性を示す。
  論文  参考訳（メタデータ） (2024-07-06T03:35:43Z)
• Repositioning the Subject within Image [78.8467524191102]
  本稿では,革新的動的操作タスク,主題再構成を導入する。 このタスクは、画像の忠実性を保ちながら、ユーザが指定した対象を所望の位置に移動させることである。 本研究は, 主観的再配置の基本的なサブタスクを, 統一的, 即効的な塗装作業として効果的に再構築できることを明らかにする。
  論文  参考訳（メタデータ） (2024-01-30T10:04:49Z)
• Semantic-aware Network for Aerial-to-Ground Image Synthesis [42.360670351361584]
  構造的アライメントとセマンティックアライメントの強化によって課題を探求する新しい枠組みを提案する。 本稿では,複雑な地理的構造を再構築可能な,セマンティック・アテンテーティブな特徴変換モジュールを提案する。 また,事前学習したセグメンテーションネットワークを利用した意味認識損失関数を提案する。
  論文  参考訳（メタデータ） (2023-08-14T05:37:07Z)
• Cones 2: Customizable Image Synthesis with Multiple Subjects [50.54010141032032]
  本研究では,特定の対象を効率的に表現する方法と,異なる対象を適切に構成する方法について検討する。 クロスアテンションマップ内のアクティベーションを修正することにより、レイアウトはイメージ内の異なる被写体の位置を指定して分離する。
  論文  参考訳（メタデータ） (2023-05-30T18:00:06Z)
• ObjectStitch: Generative Object Compositing [43.206123360578665]
  本研究では,条件付き拡散モデルを用いたオブジェクト合成のための自己教師型フレームワークを提案する。 我々のフレームワークは、手動ラベリングを必要とせず、生成したオブジェクトの視点、幾何学、色、影を変換することができる。 本手法は, 実世界の様々な画像に対するユーザ研究において, 合成結果画像の写実性と忠実性の両方において, 関連ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-12-02T02:15:13Z)
• A Generative Adversarial Framework for Optimizing Image Matting and Harmonization Simultaneously [7.541357996797061]
  本稿では,自己注意識別器をベースとしたマッチングネットワークと調和ネットワークを最適化するGAN(Generative Adversarial)フレームワークを提案する。 私たちのデータセットとデータセット生成パイプラインは、urlhttps://git.io/HaMaGANで確認できます。
  論文  参考訳（メタデータ） (2021-08-13T06:48:14Z)
• Deep Image Compositing [93.75358242750752]
  ユーザ入力なしで高品質の画像合成を自動生成する手法を提案する。 ラプラシアン・ピラミッド・ブレンディングにインスパイアされ、フォアグラウンドや背景画像からの情報を効果的に融合させるために、密結合型多ストリーム融合ネットワークが提案されている。 実験により,提案手法は高品質な合成物を自動生成し,定性的かつ定量的に既存手法より優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-11-04T06:12:24Z)
• Hierarchy Composition GAN for High-fidelity Image Synthesis [57.32311953820988]
  本稿では,革新的階層構成GAN(HIC-GAN)を提案する。 HIC-GANは、幾何学と外観領域における画像合成をエンドツーエンドのトレーニング可能なネットワークに組み込んでいる。 シーンテキスト画像合成, 肖像画編集, 室内レンダリングタスクの実験により, 提案したHIC-GANは, 質的, 定量的に優れた合成性能が得られることを示した。
  論文  参考訳（メタデータ） (2019-05-12T11:11:24Z)

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。