Fugu-MT 論文翻訳(概要): AdaWCT: Adaptive Whitening and Coloring Style Injection

論文の概要: AdaWCT: Adaptive Whitening and Coloring Style Injection

arxiv url: http://arxiv.org/abs/2208.00921v1
Date: Mon, 1 Aug 2022 15:07:51 GMT
ステータス: 処理完了
システム内更新日: 2022-08-02 14:40:46.878732
Title: AdaWCT: Adaptive Whitening and Coloring Style Injection
Title（参考訳）: adawct:アダプティブ・ホワイトニングとカラースタイルインジェクション
Authors: Antoine Dufour, Yohan Poirier-Ginter, Alexandre Lessard, Ryan Smith, Michael Lockyer and Jean-Francois Lalonde
Abstract要約: 本稿では,AdaWCTを用いた白黒色変換(WCT)を応用したAdaINの一般化について述べる。本稿では、StarGANv2アーキテクチャの実験を通して、この一般化が概念的には単純ではあるが、生成した画像の品質を大幅に向上させることを示す。
参考スコア（独自算出の注目度）: 55.554986498301574
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Adaptive instance normalization (AdaIN) has become the standard method for style injection: by re-normalizing features through scale-and-shift operations, it has found widespread use in style transfer, image generation, and image-to-image translation. In this work, we present a generalization of AdaIN which relies on the whitening and coloring transformation (WCT) which we dub AdaWCT, that we apply for style injection in large GANs. We show, through experiments on the StarGANv2 architecture, that this generalization, albeit conceptually simple, results in significant improvements in the quality of the generated images.
Abstract（参考訳）: アダプティブインスタンス正規化(AdaIN)はスタイルインジェクションの標準手法となり、スケール・アンド・シフト操作によって機能を正規化することで、スタイル転送、画像生成、イメージ・ツー・イメージ翻訳に広く利用されている。本稿では,大規模ganにおけるスタイルインジェクションに適用するadawct(whitening and coloring transformation)を応用したadainの一般化について述べる。我々はstarganv2アーキテクチャの実験を通じて、この一般化は概念的には単純であるが、生成された画像の品質が大幅に向上することを示した。

関連論文リスト

StainFuser: Controlling Diffusion for Faster Neural Style Transfer in Multi-Gigapixel Histology Images [5.382682403111961]
静止正規化アルゴリズムは、ソースマルチギガピクセルの組織像の色と強度特性を、対象画像と一致するように変換することを目的としている。本稿では,新しい条件付き潜在拡散アーキテクチャを用いて,この問題をスタイル伝達タスクとして扱う新しいアプローチであるStainFuserを提案する。
論文参考訳（メタデータ） (2024-03-14T11:49:43Z)
Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文参考訳（メタデータ） (2023-12-27T17:36:32Z)
Condition-Invariant Semantic Segmentation [77.10045325743644]
我々は現在最先端のドメイン適応アーキテクチャ上で条件不変セマンティック(CISS)を実装している。本手法は,通常の都市景観$to$ACDCベンチマークにおいて,2番目に高い性能を実現する。 CISSはBDD100K-nightやACDC-nightのようなトレーニング中に見えない領域によく一般化している。
論文参考訳（メタデータ） (2023-05-27T03:05:07Z)
Spectral Normalization and Dual Contrastive Regularization for Image-to-Image Translation [9.029227024451506]
二重コントラスト正規化とスペクトル正規化に基づく新しい未ペアI2I翻訳フレームワークを提案する。 SN-DCRの有効性を評価するための総合的な実験を行い、本手法が複数のタスクにおいてSOTAを実現することを実証した。
論文参考訳（メタデータ） (2023-04-22T05:22:24Z)
Masked and Adaptive Transformer for Exemplar Based Image Translation [16.93344592811513]
ドメイン間のセマンティックマッチングは難しい。正確なクロスドメイン対応を学習するためのマスク付き適応変換器(MAT)を提案する。品質識別型スタイル表現を得るための新しいコントラスト型スタイル学習法を考案する。
論文参考訳（メタデータ） (2023-03-30T03:21:14Z)
Ultra-high-resolution unpaired stain transformation via Kernelized Instance Normalization [1.2234742322758418]
カーネル化インスタンス正規化(KIN)による超高分解能画像-画像間翻訳の戦略を提案する。 KINはローカル情報を保存し、一定のGPUメモリ使用量でシームレスな染色変換を実現する。これは、空間の複雑さが一定である超高解像度画像対画像変換のための最初の成功例である。
論文参考訳（メタデータ） (2022-08-23T04:47:43Z)
Retrieval-based Spatially Adaptive Normalization for Semantic Image Synthesis [68.1281982092765]
本稿では,Retrieval-based spatially AdaptIve normalization (RESAIL) と呼ばれる新しい正規化モジュールを提案する。 RESAILは、正規化アーキテクチャに対するピクセルレベルのきめ細かいガイダンスを提供する。いくつかの挑戦的なデータセットの実験により、RESAILは定量的メトリクス、視覚的品質、主観的評価の観点から、最先端技術に対して好意的に機能することが示された。
論文参考訳（メタデータ） (2022-04-06T14:21:39Z)
Adaptive Image Transformations for Transfer-based Adversarial Attack [73.74904401540743]
適応画像変換学習(AITL)と呼ばれる新しいアーキテクチャを提案する。精巧に設計した学習者は、入力画像固有の画像変換の最も効果的な組み合わせを適応的に選択する。本手法は、通常訓練されたモデルと防衛モデルの両方において、各種設定下での攻撃成功率を大幅に向上させる。
論文参考訳（メタデータ） (2021-11-27T08:15:44Z)
Style-invariant Cardiac Image Segmentation with Test-time Augmentation [10.234493507401618]
ディープモデルは、実際の臨床環境での外観の変化により、しばしば深刻なパフォーマンス低下に悩まされる。本稿では,心臓画像分割のための新しいスタイル不変手法を提案する。
論文参考訳（メタデータ） (2020-09-24T08:27:40Z)
Supervised and Unsupervised Learning of Parameterized Color Enhancement [112.88623543850224]
我々は、教師なし学習と教師なし学習の両方を用いて、画像翻訳タスクとしての色強調の問題に取り組む。我々は,MIT-Adobe FiveKベンチマークにおいて,教師付き(ペアデータ)と教師なし(ペアデータ)の2つの画像強調手法と比較して,最先端の結果が得られた。 20世紀初頭の写真や暗黒ビデオフレームに応用することで,本手法の一般化能力を示す。
論文参考訳（メタデータ） (2019-12-30T13:57:06Z)

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。