論文の概要: A Survey on Adversarial Image Synthesis

• arxiv url: http://arxiv.org/abs/2106.16056v1
• Date: Wed, 30 Jun 2021 13:31:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-01 18:11:56.326210
• Title: A Survey on Adversarial Image Synthesis
• Title（参考訳）: 逆画像合成に関する調査研究
• Authors: William Roy, Glen Kelly, Robert Leer, Frederick Ricardo
• Abstract要約: 本稿では,画像合成に使用される手法の分類,テキスト・画像合成と画像・画像翻訳の異なるモデルについて検討し,いくつかの評価指標と,GANを用いた画像合成における今後の研究方向について考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Adversarial Networks (GANs) have been extremely successful in various application domains. Adversarial image synthesis has drawn increasing attention and made tremendous progress in recent years because of its wide range of applications in many computer vision and image processing problems. Among the many applications of GAN, image synthesis is the most well-studied one, and research in this area has already demonstrated the great potential of using GAN in image synthesis. In this paper, we provide a taxonomy of methods used in image synthesis, review different models for text-to-image synthesis and image-to-image translation, and discuss some evaluation metrics as well as possible future research directions in image synthesis with GAN.
• Abstract（参考訳）: GAN(Generative Adversarial Networks)は、様々なアプリケーションドメインで非常に成功した。 近年,多くのコンピュータビジョンや画像処理問題に幅広く応用されているため,周辺画像合成が注目され,飛躍的な進歩を遂げている。 GANの多くの応用の中で、画像合成が最もよく研究されており、この分野の研究は画像合成にGANを用いる大きな可能性をすでに示している。 本稿では,画像合成における手法の分類法を提案し,テキストから画像への合成と画像から画像への変換の異なるモデルについて検討し,ganを用いた画像合成の今後の研究動向について考察する。

関連論文リスト

• Survey on Controlable Image Synthesis with Deep Learning [15.29961293132048]
  本稿では,ディープラーニングを用いた3次元制御可能な画像合成に関する最近の研究について述べる。 まず,3次元制御可能な画像合成のためのデータセットと評価指標を紹介する。 光制御可能な画像合成手法も3次元再照明研究のために検討されている。
  論文  参考訳（メタデータ） (2023-07-18T07:02:51Z)
• ContraNeRF: Generalizable Neural Radiance Fields for Synthetic-to-real Novel View Synthesis via Contrastive Learning [102.46382882098847]
  まず,合成から現実への新規な視点合成における合成データの影響について検討した。 本稿では,幾何制約を伴う多視点一貫した特徴を学習するために,幾何対応のコントラスト学習を導入することを提案する。 提案手法は,PSNR,SSIM,LPIPSの点で,既存の一般化可能な新規ビュー合成手法よりも高い画質で精細な画像を描画することができる。
  論文  参考訳（メタデータ） (2023-03-20T12:06:14Z)
• MRIS: A Multi-modal Retrieval Approach for Image Synthesis on Diverse Modalities [19.31577453889188]
  多様なモダリティの画像を合成するために,マルチモーダルなメトリック学習に基づくアプローチを開発する。 3次元磁気共鳴(MR)画像から得られた軟骨厚図を2次元ラジオグラフィーで合成し,そのアプローチを検証した。
  論文  参考訳（メタデータ） (2023-03-17T20:58:55Z)
• Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
  単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。 近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。 本稿では,異なる視点からGANの比較研究を行う。
  論文  参考訳（メタデータ） (2022-04-28T16:35:04Z)
• Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
  まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。 眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。 IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
  論文  参考訳（メタデータ） (2021-03-30T01:30:08Z)
• Generative Adversarial Networks for Image and Video Synthesis: Algorithms and Applications [46.86183957129848]
  GAN(Generative Adversarial Network)フレームワークは、様々な画像およびビデオ合成タスクのための強力なツールとして登場した。 視覚合成のためのアルゴリズムと応用に特に焦点をあてたGANの概要を述べる。
  論文  参考訳（メタデータ） (2020-08-06T17:59:04Z)
• Multimodal Image Synthesis with Conditional Implicit Maximum Likelihood Estimation [54.17177006826262]
  我々はImplicit Maximum Likelihood Estimation (IMLE)に基づく新しい一般条件画像合成法を開発した。 我々は,シーンレイアウトからの単一画像超解像と画像合成という,2つのタスクにおけるマルチモーダル画像合成性能の改善を実証した。
  論文  参考訳（メタデータ） (2020-04-07T03:06:55Z)
• 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。