論文の概要: Attribute-Specific Manipulation Based on Layer-Wise Channels

• arxiv url: http://arxiv.org/abs/2302.09260v1
• Date: Sat, 18 Feb 2023 08:49:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 19:30:09.258289
• Title: Attribute-Specific Manipulation Based on Layer-Wise Channels
• Title（参考訳）: 層幅チャネルに基づく属性特異的マニピュレーション
• Authors: Yuanjie Yan, Jian Zhao, Furao Shen
• Abstract要約: いくつかの研究は、潜伏符号を操作するための特定の特性を持つチャネルを検出することに重点を置いている。 本稿では,事前学習型分類器の文脈における新しい検出手法を提案する。 本手法は,多数の顔属性の関連チャネルを正確に検出することができる。
• 参考スコア（独自算出の注目度）: 11.063763802330142
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image manipulation on the latent space of the pre-trained StyleGAN can control the semantic attributes of the generated images. Recently, some studies have focused on detecting channels with specific properties to directly manipulate the latent code, which is limited by the entanglement of the latent space. To detect the attribute-specific channels, we propose a novel detection method in the context of pre-trained classifiers. We analyse the gradients layer by layer on the style space. The intensities of the gradients indicate the channel's responses to specific attributes. The latent style codes of channels control separate attributes in the layers. We choose channels with top-$k$ gradients to control specific attributes in the maximum response layer. We implement single-channel and multi-channel manipulations with a certain attribute. Our methods can accurately detect relevant channels for a large number of face attributes. Extensive qualitative and quantitative results demonstrate that the proposed methods outperform state-of-the-art methods in generalization and scalability.
• Abstract（参考訳）: 事前訓練されたStyleGANの潜在空間の画像操作は、生成された画像の意味的属性を制御することができる。 近年,潜伏空間の絡み合いによって制限される潜伏符号を直接操作する特定の特性を持つチャネルの検出に焦点が当てられている研究もある。 属性固有のチャネルを検出するために,事前学習した分類器の文脈における新しい検出手法を提案する。 スタイル空間上の層によって勾配層を解析する。 勾配の強度は、特定の属性に対するチャネルの応答を示す。 チャネルの潜在スタイルコードは、レイヤ内の別々の属性を制御する。 最大応答層内の特定の属性を制御するために、トップ$k$グラデーションを持つチャネルを選択します。 特定の属性を持つシングルチャネルおよびマルチチャネル操作を実装している。 本手法は,多数の顔属性の関連チャネルを正確に検出することができる。 大規模定性的および定量的な結果は,提案手法が一般化と拡張性において最先端の手法より優れていることを示す。

関連論文リスト

• Exploring Gradient-based Multi-directional Controls in GANs [19.950198707910587]
  本稿では, 非線形制御の発見手法を提案する。 提案手法は,多方向・多方向特性の多種多様な属性に対してきめ細かな制御が可能であり,現状の手法よりもはるかに優れた非絡み合いを実現する能力を示す。
  論文  参考訳（メタデータ） (2022-09-01T19:10:26Z)
• Gradient-Based Adversarial and Out-of-Distribution Detection [15.510581400494207]
  ニューラルネットワークの効率的な表現性を調べるために,勾配生成における共起ラベルを導入する。 我々の勾配に基づくアプローチは、モデルの効果的な表現率に基づいて入力の異常を捉えることができることを示す。
  論文  参考訳（メタデータ） (2022-06-16T15:50:41Z)
• Attribute-specific Control Units in StyleGAN for Fine-grained Image Manipulation [57.99007520795998]
  特徴マップと変調スタイルの複数のチャネルからなる属性固有制御ユニットを探索する。 具体的には、制御ユニット内の変調スタイルのチャネルと特徴マップを協調的に操作し、意味的および空間的不整合制御を得る。 我々は、特定のスパース方向ベクトルに沿って変調スタイルを移動させ、これらの制御ユニットを操作するために特徴マップを計算するために使用されるフィルタワイズスタイルを置き換える。
  論文  参考訳（メタデータ） (2021-11-25T10:42:10Z)
• Disentangled Face Attribute Editing via Instance-Aware Latent Space Search [30.17338705964925]
  GAN(Generative Adversarial Networks)の潜在空間には、意味的な方向性の豊富な集合が存在する。 既存のメソッドは属性のばらつきが弱いため、望ましい属性を変更する際には、他の属性が望ましくない変更になる可能性がある。 本稿では,不整合属性編集のセマンティックな方向を求めるために,インスタンス認識遅延空間探索を行う新しいフレームワーク(IALS)を提案する。
  論文  参考訳（メタデータ） (2021-05-26T16:19:08Z)
• Channel-wise Knowledge Distillation for Dense Prediction [73.99057249472735]
  本稿では,学生ネットワークと教師ネットワークのチャンネルワイズ機能について提案する。 様々なネットワーク構造を持つ3つのベンチマークにおいて、一貫して優れた性能を実現している。
  論文  参考訳（メタデータ） (2020-11-26T12:00:38Z)
• StyleSpace Analysis: Disentangled Controls for StyleGAN Image Generation [45.20783737095007]
  画像生成のための最先端アーキテクチャであるStyleGAN2の潜在スタイル空間を探索・解析する。 StyleSpace は、以前の研究によって探索された他の中間潜在空間よりもはるかに非絡み合っている。 本研究は, 意味的に意味のある画像操作を, シンプルかつ直感的に行う方法である。
  論文  参考訳（メタデータ） (2020-11-25T15:00:33Z)
• Channel-wise Alignment for Adaptive Object Detection [66.76486843397267]
  遺伝的物体検出は、ディープ畳み込みニューラルネットワークの開発によって大いに促進されている。 このタスクの既存の方法は、通常、画像全体や関心の対象に基づいて、ハイレベルなアライメントに注意を向ける。 本稿では,チャネルワイドアライメント(チャネルワイドアライメント)という,まったく異なる観点からの適応を実現する。
  論文  参考訳（メタデータ） (2020-09-07T02:42:18Z)
• Operation-Aware Soft Channel Pruning using Differentiable Masks [51.04085547997066]
  本稿では,データ駆動型アルゴリズムを提案する。このアルゴリズムは,操作特性を利用して,ディープニューラルネットワークを異なる方法で圧縮する。 我々は大規模な実験を行い、出力ネットワークの精度で優れた性能を達成する。
  論文  参考訳（メタデータ） (2020-07-08T07:44:00Z)
• Attribute-based Regularization of Latent Spaces for Variational Auto-Encoders [79.68916470119743]
  本稿では,変分オートエンコーダ(VAE)の潜時空間を,連続値の異なる属性を明示的に符号化する新しい手法を提案する。 これは属性の正規化損失を使用して、属性値と属性が符号化される次元の潜在符号との単調な関係を強制する。
  論文  参考訳（メタデータ） (2020-04-11T20:53:13Z)
• Attribute Mix: Semantic Data Augmentation for Fine Grained Recognition [102.45926816660665]
  本研究では属性レベルのデータ拡張戦略であるAttribute Mixを提案する。 その原則は、属性の特徴が細粒度のサブカテゴリ間で共有され、画像間でシームレスに転送可能であることである。
  論文  参考訳（メタデータ） (2020-04-06T14:06:47Z)

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。