题目: Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation

摘要: 我们提出了一个新的模型,称为多通道注意选择生成对抗网络(SelectionGAN),用于指导图像到图像的翻译,我们在尊重外部语义引导的前提下,将输入图像转换成另一幅图像。所提出的选择GAN显式地利用了语义引导信息,包括两个阶段。在第一阶段,输入图像和条件语义引导被输入到循环语义引导生成网络中,产生初始的粗糙结果。在第二阶段,我们使用所提出的多尺度空间池和信道选择模块以及多信道注意选择模块来细化初始结果。此外,利用从注意图中自动学习到的不确定性图来指导像素损失,以获得更好的网络优化效果。在四个具有挑战性的引导图像到图像转换任务(面部、手部、身体和街道视图)上进行的详尽实验表明,我们的选择GAN能够产生明显优于现有技术方法的效果。同时,所提出的框架和模块是统一的解决方案,可用于解决语义图像合成等其他生成任务。

作者简介: Hao Tang,伊利诺伊大学厄巴纳-香槟分校(UIUC)电子与计算机工程系的博士生,贝克曼高等科学技术学院图像形成与处理组(IFP组)的研究生助理。个人主页:http://www.ifp.illinois.edu/~haotang2/index.html

成为VIP会员查看完整内容
29

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【论文】结构GANs,Structured GANs,
专知会员服务
14+阅读 · 2020年1月16日
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
专知会员服务
31+阅读 · 2020年1月10日
【论文推荐】小样本视频合成,Few-shot Video-to-Video Synthesis
专知会员服务
23+阅读 · 2019年12月15日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
53+阅读 · 2019年11月20日
CVPR 2019 开源论文 | 基于翻译向量的图像翻译
PaperWeekly
3+阅读 · 2019年10月13日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
生成对抗网络在图像翻译上的应用【附PPT与视频资料】
人工智能前沿讲习班
7+阅读 · 2018年11月28日
Arxiv
4+阅读 · 2019年8月7日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
8+阅读 · 2018年5月1日
VIP会员
相关资讯
CVPR 2019 开源论文 | 基于翻译向量的图像翻译
PaperWeekly
3+阅读 · 2019年10月13日
病理图像的全景分割
人工智能前沿讲习班
16+阅读 · 2019年6月1日
生成对抗网络在图像翻译上的应用【附PPT与视频资料】
人工智能前沿讲习班
7+阅读 · 2018年11月28日
微信扫码咨询专知VIP会员