論文の概要: UNIST: Unpaired Neural Implicit Shape Translation Network

• arxiv url: http://arxiv.org/abs/2112.05381v1
• Date: Fri, 10 Dec 2021 08:24:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 15:23:32.413447
• Title: UNIST: Unpaired Neural Implicit Shape Translation Network
• Title（参考訳）: UNIST: ニューラルインシシトな形状変換ネットワーク
• Authors: Qimin Chen, Johannes Merz, Aditya Sanghi, Hooman Shayani, Ali Mahdavi-Amiri, Hao Zhang
• Abstract要約: 汎用・不対形型翻訳のための最初の深部神経暗黙モデルUNISTを紹介する。 我々のモデルは、芸術の状態を表わす点雲ではなく、暗黙のフィールドを自動エンコードして構築されている。
• 参考スコア（独自算出の注目度）: 12.449055333025955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce UNIST, the first deep neural implicit model for general-purpose, unpaired shape-to-shape translation, in both 2D and 3D domains. Our model is built on autoencoding implicit fields, rather than point clouds which represents the state of the art. Furthermore, our translation network is trained to perform the task over a latent grid representation which combines the merits of both latent-space processing and position awareness, to not only enable drastic shape transforms but also well preserve spatial features and fine local details for natural shape translations. With the same network architecture and only dictated by the input domain pairs, our model can learn both style-preserving content alteration and content-preserving style transfer. We demonstrate the generality and quality of the translation results, and compare them to well-known baselines.
• Abstract（参考訳）: 2次元領域と3次元領域の両方において、汎用的で不対形な形状変換のための最初の深部神経暗黙モデルUNISTを導入する。 我々のモデルは、芸術の状態を表わす点雲ではなく、暗黙のフィールドを自動エンコードして構築されている。 さらに,我々の翻訳ネットワークは,潜在空間処理と位置認識の両方のメリットを組み合わせた潜在グリッド表現上でのタスクを訓練し,劇的な形状変換を可能にするだけでなく,空間的特徴や自然形状変換の詳細な局所的詳細も保存する。 同じネットワークアーキテクチャで、入力ドメインペアによってのみ規定されるので、我々のモデルは、スタイル保存コンテンツ変更とコンテンツ保存スタイル転送の両方を学ぶことができる。 翻訳結果の汎用性と品質を実証し,よく知られたベースラインと比較する。

関連論文リスト

• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)
• Improving Text Semantic Similarity Modeling through a 3D Siamese Network [4.7034706135187765]
  本稿では,意味情報を高次元空間にマッピングするテキスト意味類似性モデリングのための新しい3Dシームズネットワークを提案する。 4つのテキストセマンティック類似性ベンチマークの実験は、我々の3Dシームズネットワークの有効性と効率を実証している。
  論文  参考訳（メタデータ） (2023-07-18T14:11:58Z)
• Generalized One-shot Domain Adaption of Generative Adversarial Networks [72.84435077616135]
  GAN(Generative Adversarial Network)の適応は、事前訓練されたGANを、限られたトレーニングデータを持つ特定のドメインに転送することを目的としている。 我々は、ソースドメインからターゲットドメインへの適応を、テクスチャや色といったグローバルなスタイルの移行と、ソースドメインに属さない新しいエンティティの出現の2つの部分に分離できると考えている。 我々の中核的な目的は、参照と合成の内部分布のギャップをワッサーシュタイン距離によって制限することである。
  論文  参考訳（メタデータ） (2022-09-08T09:24:44Z)
• Unsupervised Image-to-Image Translation with Generative Prior [103.54337984566877]
  教師なし画像画像変換は、ペアデータなしで2つの視覚領域間の翻訳を学習することを目的としている。 本稿では,GP-UNIT(Generative Prior-guided UN Image-to-image Translation)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:23Z)
• DiverGAN: An Efficient and Effective Single-Stage Framework for Diverse Text-to-Image Generation [7.781425222538382]
  DiverGANは、自然言語による記述に従って、多様で、可塑性で、セマンティックに一貫性のある画像を生成するためのフレームワークである。 DiverGANは2つの新しいワードレベルアテンションモジュール、すなわちチャネルアテンションモジュール(CAM)とピクセルアテンションモジュール(PAM)を採用する。 条件適応型インスタンス-階層正規化(CAdaILN)を導入し、文の埋め込みから、形やテクスチャの変化量を柔軟に操作する言語的手がかりを実現する。
  論文  参考訳（メタデータ） (2021-11-17T17:59:56Z)
• 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)
• GTAE: Graph-Transformer based Auto-Encoders for Linguistic-Constrained Text Style Transfer [119.70961704127157]
  近年,非並列テキストスタイルの転送が研究の関心を集めている。 現在のアプローチでは、元の文の内容やロジックを保存できない。 文を言語グラフとしてモデル化し,グラフレベルで特徴抽出とスタイル転送を行う,グラフトランスフォーマーベースのAuto-GTAEを提案する。
  論文  参考訳（メタデータ） (2021-02-01T11:08:45Z)
• 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)

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。