論文の概要: Generating natural images with direct Patch Distributions Matching

• arxiv url: http://arxiv.org/abs/2203.11862v1
• Date: Tue, 22 Mar 2022 16:38:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 14:18:11.308564
• Title: Generating natural images with direct Patch Distributions Matching
• Title（参考訳）: 直接パッチ分布マッチングによる自然画像の生成
• Authors: Ariel Elnekave, Yair Weiss
• Abstract要約: 2つの画像におけるパッチ分布間の距離を明示的にかつ効率的に最小化するアルゴリズムを開発した。 我々の結果は、シングルイメージGANよりも優れていることが多く、トレーニングを必要とせず、数秒で高品質な画像を生成することができる。
• 参考スコア（独自算出の注目度）: 7.99536002595393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many traditional computer vision algorithms generate realistic images by requiring that each patch in the generated image be similar to a patch in a training image and vice versa. Recently, this classical approach has been replaced by adversarial training with a patch discriminator. The adversarial approach avoids the computational burden of finding nearest neighbors of patches but often requires very long training times and may fail to match the distribution of patches. In this paper we leverage the recently developed Sliced Wasserstein Distance and develop an algorithm that explicitly and efficiently minimizes the distance between patch distributions in two images. Our method is conceptually simple, requires no training and can be implemented in a few lines of codes. On a number of image generation tasks we show that our results are often superior to single-image-GANs, require no training, and can generate high quality images in a few seconds. Our implementation is available at https://github.com/ariel415el/GPDM
• Abstract（参考訳）: 多くの伝統的なコンピュータビジョンアルゴリズムは、生成された画像の各パッチがトレーニング画像のパッチに似ており、その逆で現実的な画像を生成する。 近年、この古典的なアプローチは、パッチ判別器による敵の訓練に置き換えられている。 敵対的アプローチは、近接するパッチを見つける際の計算上の負担を回避するが、しばしば非常に長い訓練時間を必要とし、パッチの分布と一致しない可能性がある。 本稿では,最近開発されたSliced Wasserstein Distanceを活用し,2つの画像におけるパッチ分布間の距離を明示的にかつ効率的に最小化するアルゴリズムを開発する。 本手法は概念的に単純であり,トレーニングを必要とせず,数行のコードで実装できる。 画像生成タスクでは、その結果がシングルイメージGANよりも優れている場合が多く、トレーニングを必要とせず、数秒で高品質な画像を生成することができる。 私たちの実装はhttps://github.com/ariel415el/GPDMで利用可能です。

関連論文リスト

• Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
  画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。 既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。 本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T13:12:41Z)
• Learning from small data sets: Patch-based regularizers in inverse problems for image reconstruction [1.1650821883155187]
  機械学習の最近の進歩は、ネットワークを訓練するために大量のデータとコンピュータ能力を必要とする。 本稿は,ごく少数の画像のパッチを考慮に入れることで,小さなデータセットから学習する問題に対処する。 本稿では,Langevin Monte Carlo法を用いて後部を近似することにより,不確実な定量化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-12-27T15:30:05Z)
• CRD: Collaborative Representation Distance for Practical Anomaly Detection [2.3931689873603603]
  パッチベースの手法では、画像は位置に応じた画像パッチの集合と見なす。 クェリイメージとストアされたパッチを最も近い場所で検索すると、時間と空間の要求からすると、O(n)$の複雑さを占有する。 本稿では,協調表現モデルを用いた画像パッチの距離計算手法を提案する。
  論文  参考訳（メタデータ） (2023-12-20T13:47:08Z)
• PATS: Patch Area Transportation with Subdivision for Local Feature Matching [78.67559513308787]
  局所特徴マッチングは、一対のイメージ間のスパース対応を確立することを目的としている。 この問題に対処するために,PATS(Patch Area Transportation with Subdivision)を提案する。 PATSは、マッチング精度とカバレッジの両方を改善し、下流タスクにおいて優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-03-14T08:28:36Z)
• Reinforcing Generated Images via Meta-learning for One-Shot Fine-Grained Visual Recognition [36.02360322125622]
  生成した画像と原画像を組み合わせるメタラーニングフレームワークを提案し,その結果の「ハイブリッド」訓練画像がワンショット学習を改善する。 実験では,1ショットのきめ細かい画像分類ベンチマークにおいて,ベースラインよりも一貫した改善が示された。
  論文  参考訳（メタデータ） (2022-04-22T13:11:05Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Drop the GAN: In Defense of Patches Nearest Neighbors as Single Image Generative Models [17.823089978609843]
  これらのタスクはすべて、数秒以内に、統合された驚くほど単純なフレームワークで、トレーニングなしで実行可能であることを示す。 最初は粗い推測から始まり、その後、パッチアレスト近傍のサーチを使って細かな細かな細部を精査する。 これにより、GANよりも高速でランダムな新規画像を生成することができます。
  論文  参考訳（メタデータ） (2021-03-29T12:20:46Z)
• An Empirical Study of the Collapsing Problem in Semi-Supervised 2D Human Pose Estimation [80.02124918255059]
  半教師付き学習は、ラベルなし画像の探索によってモデルの精度を高めることを目的としている。 私たちは相互に教え合うために2つのネットワークを学びます。 各ネットワーク内の容易なイメージに関するより信頼性の高い予測は、他のネットワークに対応するハードイメージについて学ぶように教えるために使用される。
  論文  参考訳（メタデータ） (2020-11-25T03:29:52Z)
• 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)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
  この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。 私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。 コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
  論文  参考訳（メタデータ） (2020-05-11T19:25:28Z)

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。