全卷积表示学习的端到端照片素描生成
该论文利用深度神经网络将面部素描图像还原为照片级真实面部图像,采用半模拟数据集和深度学习技术,包括批处理规范化、深层残差学习、感知损失和随机优化。最后,通过艺术和犯罪学示例,展示了该方法的应用潜力。
Jun, 2016
本文提出了一种基于分层结构和纹理分解的生成框架,使用 BFCN 学习结构和纹理表征,并使用 SM-MSE 指标来测量纹理图案。实验表明,相对于基于样例合成的方法,本方法在视觉和客观指标上都表现更好,并且具有更好的跨数据集的泛化能力。
Oct, 2017
本文使用生成模型和对抗网络探索了将草图合成为图像和将图像转换为草图的问题,并提出了一种新的多对抗网络框架,称为 Photo-Sketch Synthesis using Multi-Adversarial Networks (PS2-MAN)。通过采用 CycleGAN 框架,利用配对信息解决了耦合 / 配对翻译问题。实验结果表明,该框架在图像质量评估和图像匹配方面的性能优于现有的最先进解决方案。
Oct, 2017
本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模,它具有省力且自由的手绘界面,并支持基于手势的用户交互。
Jun, 2017
文章提出了一种通过 decoder 使用 StyleGAN 训练生成更加真实的照片,并且通过 autoregressive sketch mapper 和 fine-grained discriminative loss 处理手绘人类草图,实现草图到照片的转化;实验结果展示了其可行性和有效性,同时通过草图检索出生成的照片实现了在草图界的突破。
Mar, 2023
本文提出了一种半监督深度学习架构,扩展了面部素描合成以处理现实中的面部照片,该方法使用小的参考照片集中的照片与输入照片进行补丁匹配,并使用相应的素描特征补丁组成伪素描特征表示来监督网络。通过该方法,我们可以使用参考照片集和大型面部照片数据集对网络进行训练,并取得公共基准测试和野外面部照片方面最先进的表现。
Dec, 2018
本文提出一个基于面部构图信息的 Composition-aided Generative Adversarial Network (CA-GAN) 来生成面部素描 / 照片。通过使用成对的输入包括面部照片 / 素描和相应的面部标签来进行合成,最终使用堆叠的 CA-GANs (SCA-GAN) 去修正缺陷并增加有吸引力的细节,实验结果表明,我们的方法能够在广泛的具有挑战性的数据范围内生成视觉舒适、保持特征的面部素描 / 照片,并且取得了最佳的生成效果。
Dec, 2017
通过从用户的自由手绘草图中综合图像分类器,我们通过训练模型回归网络将自由手绘草图空间映射到照片分类器空间,从而实现了新类别的照片分类器的综合。同时,此方法还可以用作现有照片分类器粒度的增强方法,或作为基于名称零样本学习的补充。
Apr, 2018
本研究介绍了一种新的素描 - 照片对应基准,PSC6k,其中包含 125 个物体类别上 6250 个素描 - 照片对的 150K 注释,并提出了一种自监督方法,用于学习素描 - 照片对之间的密集对应关系,该方法在精细度和量化上优于其他基线模型,为开发实现更接近人类的不同抽象层次上的视觉图像理解的人工系统提供了有希望的道路。
Jul, 2023
该研究提出了一个基于 Siamese 卷积神经网络的方法,将一个 2D 的手绘草图转换为一个 3D 模型,并相比其他先进方法取得了更好的效果。
Apr, 2015