生成对抗网络
文章平均质量分 93
明天吃啥呀
这个作者很懒,什么都没留下…
展开
-
学习笔记:Controllable Artistic Text Style Transfer via Shape-Matching GAN 基于形状匹配生成对抗网络的可控艺术文本风格迁移
[ICCV-2019] Controllable Artistic Text Style Transfer via Shape-Matching GAN 基于形状匹配生成对抗网络的可控艺术文本风格迁移1. 概述1.1 背景1.2 目标1.3 挑战2. 方法2.1 反向结构迁移2.2 正向风格迁移3. 实验3.1 对比实验3.1.1 艺术文本风格迁移3.1.2 尺度可控的风格迁移3.2 消融实验4. 应用5. 总结论文链接:https://arxiv.org/abs/1905.01354v1代码链接原创 2022-05-07 14:10:28 · 1314 阅读 · 0 评论 -
学习笔记:High-Fidelity GAN Inversion for Image Attribute Editing 用于图像属性编辑的高保真生成对抗网络反演
本文提出了一种新的高保真生成对抗网络(GAN)反演框架,该框架能够在保持良好的图像特定细节的情况下进行属性编辑。为了在不影响可编辑性的前提下提高图像的保真度,我们提出了一种失真协商方法,该方法采用失真图作为高保真重建的参考。在失真协商反演(DCI)中,首先将失真图投影成一个高比率潜图上,然后通过协商融合为基本的低比率潜码补充更多的细节。为了实现高保真的编辑,我们提出了一个自适应失真对齐(ADA)模块,该模块带具有自监督训练方案,弥补了编辑图像和反演图像之间的差距。实验表明,反演和编辑质量都有明显提高。原创 2022-10-05 23:30:42 · 2737 阅读 · 2 评论