Feb, 2015

DRAW: 一种用于图像生成的循环神经网络

HTML
PDF
TL;DR本文提出了Deep Recurrent Attentive Writer（DRAW）神经网络架构，用于图像生成。DRAW网络结合了模仿人眼视觉聚焦的一种新颖空间注意机制，以及允许迭代构建复杂图像的顺序变分自编码框架。该系统在MNIST上的生成模型技术上显著改进，并且当在街景房屋数字数据集上进行训练时，生成的图像与真实数据的区别无法用肉眼区分。
发现论文，激发创造
  • 学习用于图像字幕生成的递归视觉表示

    本研究探索了图像及其基于语句的描述之间的双向映射，提出了使用递归神经网络学习该映射的方法。我们使用相同的模型生成新的描述句子，并重新构建与图像相关的可视化特征，同时使用新颖的递归视觉记忆来辅助语句生成和可视化特征重构。在生成新的图像描述任务中，我们的自动生成字幕被人类喜欢的比例超过了 19.8％。和使用类似的视觉特征方法相比，我们的结果在图像和语句检索任务上达到了同等或更好的效果。

    Nov, 2014

  • 利用空间LSTMs生成图像模型

    本文中介绍了一种基于多维 LSTM 的递归图像模型，该模型可以捕获长距离像素之间的统计依赖，适用于纹理合成和补全等多项任务，并在多个图像数据集上的定量比较中表现优异。

    Jun, 2015

  • 利用循环对抗网络生成图像

    该篇论文提出一种基于卷积网络的像素优化方法，在此基础上将梯度下降转化为递归算法，并使用生成式对抗网络进行训练，生成高质量图像，并提出一种生成器与判别器间的量化比较方法。

    Feb, 2016

  • 循环神经网络用于画作识别：使我的机器人能够玩Pictionary

    本研究提出了一种基于递归神经网络的手绘图形识别架构，通过利用深度草图特征和加权每个时步损失来实现在大量对象类别上的最新结果，尤其适用于在线识别对象。

    Aug, 2016

  • Sync-DRAW：使用深层循环注意架构自动生成视频

    本文介绍了一种名为“Sync-DRAW”的新方法，可用于生成视频，也可以实现文本到视频的转换。Sync-DRAW将变分自动编码器（VAE）与递归注意机制结合起来，在时间上形成一系列渐进式的视频帧，并在同步中对每个视频帧进行处理。我们的实验表明，Sync-DRAW可以高效地学习视频的空间和时间信息，并且可以从简单的标题中生成这些数据集的视频。

    Nov, 2016

  • 插拔生成网络：在潜空间中条件迭代生成图像

    本文介绍了一种基于生成模型和神经网络的图像合成方法，利用梯度上升法在生成器网络的潜在空间中最大化分类器网络中一个或多个神经元的激活，通过引入对潜在空间的先验分布来提高样本质量和多样性，并称之为“Plug and Play Generative Networks”，该方法可用于各类数据且在图像分类和生成方面具有先进性。

    Nov, 2016

  • 素描绘画的神经表示

    该研究介绍了 Sketch-RNN，它是一种基于循环神经网络（RNN）的模型，能够构建常见对象的基于笔画的绘图，并描述了生成矢量格式的连贯笔画绘图的鲁棒性训练方法。

    Apr, 2017

  • 使用条件生成对抗网络从线稿生成卡通图像的自动绘画程序

    本文提出了一种新的自动绘画模型，用于解决黑白素描自动上色问题，实验结果表明自动绘画模型的性能优于现有的图像合成方法。

    May, 2017

  • SketchEmbedNet: 借助模仿图画学习新概念

    通过训练模型产生图像素描，本文探究图像表示的特性，并表明其在few-shot学习中具有信息嵌入的能力、结构和复合性。

    Aug, 2020

  • 从笔触到像素：AI创作艺术中深度神经网络综述

    本文探讨了AI生成艺术领域，深入研究了用于创造艺术的各种深度神经网络体系结构和模型，包括传统的卷积网络和最前沿的扩散模型，并且实例展示了这一领域的关键成果，总结了这些模型的优缺点，探讨了目前深度神经网络在短时间内所取得的显著进展，展现了艺术与计算机科学的独特融合。

    Feb, 2023