論文の概要: Unpaired Image-to-Image Translation via Neural Schr\"odinger Bridge

• arxiv url: http://arxiv.org/abs/2305.15086v1
• Date: Wed, 24 May 2023 12:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 16:08:23.618988
• Title: Unpaired Image-to-Image Translation via Neural Schr\"odinger Bridge
• Title（参考訳）: Neural Schr\"odinger Bridgeによる未ペア画像変換
• Authors: Beomsu Kim, Gihyun Kwon, Kwanyoung Kim, Jong Chul Ye
• Abstract要約: 本研究では,SBと対向学習と正規化を組み合わせたUnpaired Neural Schr"odinger Bridge (UNSB)を提案する。 我々は、UNSBはスケーラブルであり、様々な画像から画像への変換タスクをうまく解決できることを実証した。
• 参考スコア（独自算出の注目度）: 48.39631272035312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models are a powerful class of generative models which simulate stochastic differential equations (SDEs) to generate data from noise. Although diffusion models have achieved remarkable progress in recent years, they have limitations in the unpaired image-to-image translation tasks due to the Gaussian prior assumption. Schr\"odinger Bridge (SB), which learns an SDE to translate between two arbitrary distributions, have risen as an attractive solution to this problem. However, none of SB models so far have been successful at unpaired translation between high-resolution images. In this work, we propose the Unpaired Neural Schr\"odinger Bridge (UNSB), which combines SB with adversarial training and regularization to learn a SB between unpaired data. We demonstrate that UNSB is scalable, and that it successfully solves various unpaired image-to-image translation tasks. Code: \url{https://github.com/cyclomon/UNSB}
• Abstract（参考訳）: 拡散モデルは、確率微分方程式(SDE)をシミュレートしてノイズからデータを生成する強力な生成モデルである。 近年,拡散モデルは顕著な進歩を遂げているが,ガウスの前提により,画像から画像への変換作業に制限がある。 任意の2つの分布を変換するSDEを学習するSchr\"odinger Bridge (SB)は、この問題に対する魅力的な解決策として浮上している。 しかし、これまでのSBモデルは高解像度画像間の未ペア翻訳に成功していない。 本研究では,非ペアデータ間のsbを学習するために,sbと逆訓練と正規化を組み合わせたunpaired neural schr\"odinger bridge (unsb)を提案する。 我々は、UNSBはスケーラブルであり、様々な画像から画像への変換タスクをうまく解決できることを実証した。 コード: \url{https://github.com/cyclomon/UNSB}

関連論文リスト

• Diffusion Schr\"odinger Bridge Matching [24.55335753110917]
  本稿では,輸送問題を解決するための新しい手法であるIterative Markovian Fittingを紹介する。 また、IMFの反復計算のための新しい数値アルゴリズムであるDiffusion Schr"odinger Bridge Matchingを紹介する。
  論文  参考訳（メタデータ） (2023-03-29T16:59:22Z)
• I$^2$SB: Image-to-Image Schr\"odinger Bridge [87.43524087956457]
  Image-to-Image Schr"odinger Bridge (I$2$SB) は条件拡散モデルの新しいクラスである。 I$2$SB は、2つの与えられた分布間の非線形拡散過程を直接学習する。 I$2$SBは、より解釈可能な生成過程を持つ標準条件拡散モデルを超えることを示す。
  論文  参考訳（メタデータ） (2023-02-12T08:35:39Z)
• SDM: Spatial Diffusion Model for Large Hole Image Inpainting [106.90795513361498]
  本稿では,空間拡散モデル(SDM)を提案する。 また,提案手法は非結合確率モデルと空間拡散スキームにより,高品質な大穴工法を実現する。
  論文  参考訳（メタデータ） (2022-12-06T13:30:18Z)
• What the DAAM: Interpreting Stable Diffusion Using Cross Attention [39.97805685586423]
  大規模拡散ニューラルネットワークは、テキスト・画像生成において重要なマイルストーンである。 説明可能性の欠如と解釈可能性の分析は、主にプロプライエタリでクローズドソースな性質のため、理解に乏しいままである。 本稿では,潜伏するサブネットワークにおけるクロスアテンションアクティベーションのアップスケーリングと集約に基づく新しい手法であるDAAMを提案する。 DAAMは,61.0のmIoUを達成し,キャプション生成画像に対して強く作用し,オープン語彙セグメンテーションにおける教師付きモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:55:41Z)
• Image Generation with Multimodal Priors using Denoising Diffusion Probabilistic Models [54.1843419649895]
  このタスクを達成するために生成モデルを使用する際の大きな課題は、すべてのモダリティと対応する出力を含むペアデータの欠如である。 本稿では,拡散確率的合成モデルに基づく多モデル先行画像生成手法を提案する。
  論文  参考訳（メタデータ） (2022-06-10T12:23:05Z)
• BBDM: Image-to-image Translation with Brownian Bridge Diffusion Models [50.39417112077254]
  BBDM(Brownian Bridge Diffusion Model)に基づく画像から画像への変換手法を提案する。 我々の知る限りでは、画像から画像への変換のためのブラウン橋拡散プロセスを提案する最初の作品である。
  論文  参考訳（メタデータ） (2022-05-16T13:47:02Z)
• The Schr\"odinger Bridge between Gaussian Measures has a Closed Form [101.79851806388699]
  我々は OT の動的定式化(Schr"odinger bridge (SB) 問題)に焦点を当てる。 本稿では,ガウス測度間のSBに対する閉形式表現について述べる。
  論文  参考訳（メタデータ） (2022-02-11T15:59:01Z)
• Diffusion Schr\"odinger Bridge with Applications to Score-Based Generative Modeling [24.46142828617484]
  Diffusion SB は、Schr"odinger Bridge 問題を解くために、Iterative Proportional Fitting (IPF) 手順のオリジナル近似である。 本稿では,SB問題の解法としてIterative Proportional Fitting (IPF) 法のオリジナル近似であるDiffusion SBを提案する。
  論文  参考訳（メタデータ） (2021-06-01T17:34:27Z)

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。