論文の概要: Consistent Style Transfer

• arxiv url: http://arxiv.org/abs/2201.02233v1
• Date: Thu, 6 Jan 2022 20:19:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-10 14:48:34.177905
• Title: Consistent Style Transfer
• Title（参考訳）: 一貫したスタイル転送
• Authors: Xuan Luo, Zhen Han, Lingkang Yang, Lingling Zhang
• Abstract要約: 近年,微粒化を実現するため,注意型任意のスタイル転送手法が提案されている。 この問題を軽減するために, プログレッシブ・アテンショナル・アライメント (PAMA) を提案する。 PAMAは,意味領域の不整合を回避しつつ,最先端の性能を実現する。
• 参考スコア（独自算出の注目度）: 23.193302706359464
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, attentional arbitrary style transfer methods have been proposed to achieve fine-grained results, which manipulates the point-wise similarity between content and style features for stylization. However, the attention mechanism based on feature points ignores the feature multi-manifold distribution, where each feature manifold corresponds to a semantic region in the image. Consequently, a uniform content semantic region is rendered by highly different patterns from various style semantic regions, producing inconsistent stylization results with visual artifacts. We proposed the progressive attentional manifold alignment (PAMA) to alleviate this problem, which repeatedly applies attention operations and space-aware interpolations. The attention operation rearranges style features dynamically according to the spatial distribution of content features. This makes the content and style manifolds correspond on the feature map. Then the space-aware interpolation adaptively interpolates between the corresponding content and style manifolds to increase their similarity. By gradually aligning the content manifolds to style manifolds, the proposed PAMA achieves state-of-the-art performance while avoiding the inconsistency of semantic regions. Codes are available at https://github.com/computer-vision2022/PAMA.
• Abstract（参考訳）: 近年,スタイライゼーションのためのコンテンツとスタイル特徴の点的類似性を操作する細粒度結果を達成するために,注意的任意のスタイル転送手法が提案されている。 しかし,特徴点に基づく注意機構は特徴量分布を無視し,各特徴多様体が画像中の意味領域に対応する。 その結果、一様コンテンツセマンティック領域は、様々なスタイルセマンティック領域と非常に異なるパターンでレンダリングされ、視覚的アーティファクトとの一貫性のないスタイリング結果が生成される。 我々は、注意操作と空間認識補間を繰り返し適用するこの問題を緩和するために、progressive attentional manifold alignment (pama) を提案した。 注意操作は、コンテンツ特徴の空間分布に応じて動的にスタイル特徴を並べ替える。 これにより、コンテンツとスタイル多様体は特徴写像に対応する。 すると空間認識補間は対応するコンテンツとスタイル多様体の間に適応的に補間し、それらの類似性を高める。 コンテンツ多様体をスタイル多様体に徐々に整列させることにより,提案したPAMAは意味領域の不整合を回避しつつ,最先端の性能を実現する。 コードはhttps://github.com/ computer-vision2022/PAMAで入手できる。

関連論文リスト

• Learning Dynamic Style Kernels for Artistic Style Transfer [26.19086645743083]
  本研究では,空間適応型カーネルを画素ごとのスタイリングのために学習する新しい手法を提案する。 提案手法は最先端の手法より優れ,視覚的品質と効率の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-02T00:26:43Z)
• All-to-key Attention for Arbitrary Style Transfer [98.83954812536521]
  コンテンツ特徴のそれぞれの位置を,スタイル特徴の安定なキー位置と一致させる,新しいオール・ツー・キーアテンション機構を提案する。 結果、StyA2Kと呼ばれるモジュールは、セマンティック構造を保持し、一貫性のあるスタイルパターンをレンダリングする際、素晴らしいパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-12-08T06:46:35Z)
• Learning Graph Neural Networks for Image Style Transfer [131.73237185888215]
  最先端のパラメトリックおよび非パラメトリックなスタイル転送アプローチは、グローバルな統計アライメントによる局所的なスタイルパターンの歪んだり、パッチミスマッチによるアーティファクトを減らしたりする傾向にある。 本稿では,パラメトリック型と非パラメトリック型の両方のスタイライゼーションの欠如を緩和する,新しい半パラメトリック型ニューラルスタイルトランスファーフレームワークについて検討する。
  論文  参考訳（メタデータ） (2022-07-24T07:41:31Z)
• Towards Controllable and Photorealistic Region-wise Image Manipulation [11.601157452472714]
  地域ごとのスタイル操作のための自動エンコーダアーキテクチャを用いた生成モデルを提案する。 我々は、コンテンツとスタイルの潜在表現の明示的な乱れを強制するために、コード一貫性の損失を適用します。 このモデルは、前景編集が背景コンテンツに干渉しないように、コンテンツアライメント損失によって制約される。
  論文  参考訳（メタデータ） (2021-08-19T13:29:45Z)
• Arbitrary Video Style Transfer via Multi-Channel Correlation [84.75377967652753]
  本稿では,マルチチャネル補正ネットワーク(MCCNet)を提案する。 MCCNetは、スタイルとコンテンツドメインの機能空間で直接動作する。 MCCが生成した出力は所望のスタイルパターンを含む特徴であり、鮮やかなスタイルのテクスチャでさらに画像にデコードできる。
  論文  参考訳（メタデータ） (2020-09-17T01:30:46Z)
• Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
  本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。 提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
  論文  参考訳（メタデータ） (2020-07-21T04:03:22Z)
• Arbitrary Style Transfer via Multi-Adaptation Network [109.6765099732799]
  所望のスタイル転送は、内容画像と参照されたスタイル絵が与えられた場合、そのスタイル絵の色調と鮮やかなストロークパターンで内容画像を描画する。 新たな不整合損失関数により,本ネットワークは,様々な入力画像に適応する主文パターンと正確なコンテンツ構造を抽出できる。
  論文  参考訳（メタデータ） (2020-05-27T08:00:22Z)
• 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)

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。