論文の概要: Hierarchy Flow For High-Fidelity Image-to-Image Translation
- arxiv url: http://arxiv.org/abs/2308.06909v1
- Date: Mon, 14 Aug 2023 03:11:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 14:35:27.930053
- Title: Hierarchy Flow For High-Fidelity Image-to-Image Translation
- Title（参考訳）: 高忠実な画像間翻訳のための階層フロー
- Authors: Weichen Fan, Jinghuan Chen, Ziwei Liu
- Abstract要約: 本稿では,翻訳中のコンテンツ保存性を向上する新しいフローベースモデルを提案する。
提案手法は,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精細度,高精
- 参考スコア（独自算出の注目度）: 38.87847690777645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image-to-image (I2I) translation comprises a wide spectrum of tasks. Here we
divide this problem into three levels: strong-fidelity translation,
normal-fidelity translation, and weak-fidelity translation, indicating the
extent to which the content of the original image is preserved. Although
existing methods achieve good performance in weak-fidelity translation, they
fail to fully preserve the content in both strong- and normal-fidelity tasks,
e.g. sim2real, style transfer and low-level vision. In this work, we propose
Hierarchy Flow, a novel flow-based model to achieve better content preservation
during translation. Specifically, 1) we first unveil the drawbacks of standard
flow-based models when applied to I2I translation. 2) Next, we propose a new
design, namely hierarchical coupling for reversible feature transformation and
multi-scale modeling, to constitute Hierarchy Flow. 3) Finally, we present a
dedicated aligned-style loss for a better trade-off between content
preservation and stylization during translation. Extensive experiments on a
wide range of I2I translation benchmarks demonstrate that our approach achieves
state-of-the-art performance, with convincing advantages in both strong- and
normal-fidelity tasks. Code and models will be at
https://github.com/WeichenFan/HierarchyFlow.
- Abstract（参考訳）: Image-to-image (I2I) 翻訳は幅広いタスクからなる。
本稿では,この問題を3つのレベルに分類する。強忠実翻訳,正規忠実翻訳,弱忠実翻訳であり,原画像の内容が保存される程度を示す。
既存の手法は弱い忠実度変換において優れた性能を発揮するが、sim2real、スタイル転送、低レベルのビジョンなど、強い忠実度タスクと通常の忠実度タスクの両方でコンテンツを完全に保存することができない。
本稿では,翻訳中のコンテンツ保存性を向上させる新しいフローベースモデルである階層フローを提案する。
具体的には
1)I2I翻訳に適用した場合の標準フローベースモデルの欠点を最初に明らかにする。
2) 次に,階層フローを構成するために,可逆的特徴変換とマルチスケールモデリングのための階層結合という新しい設計を提案する。
3) 最後に,翻訳中のコンテンツ保存とスタイリゼーションのトレードオフを改善するために,専用のアライメントスタイルの損失を提示する。
幅広いi2i翻訳ベンチマークにおける広範囲な実験により,本手法が最先端性能を達成し,高忠実度タスクと正規性タスクの両方において有意なアドバンテージが得られた。
コードとモデルはhttps://github.com/WeichenFan/HierarchyFlow.orgにある。
関連論文リスト
- StyleFlow For Content-Fixed Image to Image Translation [15.441136520005578]
StyleFlowは、正規化フローと新しいStyle-Aware Normalization (SAN)モジュールで構成される新しいI2I翻訳モデルである。
我々のモデルは画像誘導翻訳とマルチモーダル合成の両方をサポートしている。
論文 参考訳（メタデータ） (2022-07-05T09:40:03Z) - Unsupervised Image-to-Image Translation with Generative Prior [103.54337984566877]
教師なし画像画像変換は、ペアデータなしで2つの視覚領域間の翻訳を学習することを目的としている。
本稿では,GP-UNIT(Generative Prior-guided UN Image-to-image Translation)という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-07T17:59:23Z) - Bi-level Feature Alignment for Versatile Image Translation and
Manipulation [88.5915443957795]
GAN(Generative Adversarial Network)は画像翻訳と操作において大きな成功を収めている。
忠実なスタイル制御を備えた高忠実な画像生成は、コンピュータビジョンにおいて依然として大きな課題である。
本稿では,高精度なセマンティック・スタイル・ガイダンスを実現する多機能な画像翻訳・操作フレームワークを提案する。
論文 参考訳（メタデータ） (2021-07-07T05:26:29Z) - Smoothing the Disentangled Latent Style Space for Unsupervised
Image-to-Image Translation [56.55178339375146]
イメージ・ツー・イメージ(I2I)マルチドメイン翻訳モデルは通常、セマンティックな結果の品質を用いて評価される。
本稿では,翻訳ネットワークがスムーズでゆがみのあるラテントスタイル空間を学習するのに役立つ,3つの特定の損失に基づく新たなトレーニングプロトコルを提案する。
論文 参考訳（メタデータ） (2021-06-16T17:58:21Z) - Unpaired Image-to-Image Translation via Latent Energy Transport [61.62293304236371]
画像から画像への変換は、2つの視覚領域間の識別的ターゲットスタイルに変換しながら、ソースの内容を保存することを目的としている。
本稿では,この課題に対して,事前訓練されたオートエンコーダの潜在空間にエネルギーベースモデル(EBM)を配置することを提案する。
我々のモデルは1024$times$1024- resolution unpaired image translationに適用できる最初のモデルである。
論文 参考訳（メタデータ） (2020-12-01T17:18:58Z) - Unsupervised Image-to-Image Translation via Pre-trained StyleGAN2
Network [73.5062435623908]
本稿では,一連のモデル変換によって対象領域に新たなモデルを生成する新しいI2I翻訳手法を提案する。
潜在ベクトルを生成されたモデルに入力することで、ソースドメインとターゲットドメインの間でI2I翻訳を行うことができる。
論文 参考訳（メタデータ） (2020-10-12T13:51:40Z)
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。