卷积神经网络和频谱约束下的纹理合成

May, 2016

卷积神经网络和频谱约束下的纹理合成

Texture Synthesis Through Convolutional Neural Networks and Spectrum Constraints

Gang Liu, Yann Goussau, Gui-Song Xia

TL;DR本文使用卷积神经网络和傅里叶频谱以及统计特征约束来实现纹理合成，并实验表明与现有方法相比具有更好的性能。

Abstract

This paper presents a significant improvement for the synthesis of texture images using convolutional neural networks (CNNs), making use of constraints on the fourier spectrum of the results. More precisely, the

发现论文，激发创造

纹理网络：纹理和风格化图像的前馈合成

本文提出一种利用深度学习的方式，通过在训练阶段来移动计算负担，使用单个纹理样本训练紧凑的前馈卷积网络，可以生成任意大小的同一纹理的多个样本，并将艺术风格从给定图像传输到任何其他图像中，生成的网络轻巧，并且可以比Gatys等人的方法快数百倍。

Mar, 2016

使用马尔科夫生成对抗网络预计算的实时纹理合成

本文提出了Markovian Generative Adversarial Networks (MGANs)的方法，用于训练具有高效纹理合成功能的生成神经网络。通过对Markovian patch的特征统计进行捕捉，可以直接生成具有任意尺寸的输出，从而使合成图像的速度显著提高，并在纹理合成、样式转移和视频样式化等领域得到应用。

Apr, 2016

使用随机卷积滤波器的浅层卷积神经网络纹理合成

研究表明，随机浅层卷积神经网络的特征空间可以作为自然纹理的模型，可以用于纹理合成算法，并且相较于深层CNNs模型，浅层CNNs模型具有相当的性能。

May, 2016

基于CNN的纹理生成中引入远程一致性

本文提出一种对卷积网络的特征进行简单修改的方法，可以将长程结构纳入图像生成，并渲染满足各种对称约束的图像以及在图像修复和季节转换等方面应用广泛。

Jun, 2016

使用卷积神经网络综合动态纹理

使用卷积神经网络的特征表示来计算时空统计量，并提出一种参数化的模型，能够合成新的动态纹理样本并预测简单电影中的运动。

Feb, 2017

前馈网络实现的多样化纹理合成

本文提出了一种基于深度生成式前馈网络实现的纹理综合方法，具有在一个网络内高效综合不同纹理并进行有意义插值的能力，并通过多项实验证明了提出的模型和技术的有效性和应用前缀。

Mar, 2017

基于榜样的纹理合成调查

本文研究了纹理合成的两大方法，即基于统计学特征和重组补丁方法，并探索了混合方法以及卷积神经网络的应用，但在处理多尺度的真实纹理图像时面临挑战。

Jul, 2017

广义整流小波协方差模型用于纹理合成

该文提出了一种基于非线性小波表示的统计方法，其可以用作一层CNN的一种实例来提高图像纹理合成的视觉质量。该方法取代了以往经典的小波模型，并在灰度和彩色纹理上达到了与最先进模型相似的视觉效果。

Mar, 2022

非平稳多纹理合成的单域学习

本文提出了一种新型任务：非平稳多纹理合成，通过使用多尺度生成器以及分类特定的训练策略，可以在一个模型中合成多个非平稳纹理，实现纹理扩展和全局结构一致性，并获得更出色的性能和时间效率。

May, 2023

使用RGB卷积神经网络的多光谱纹理合成

该研究解决了将先进的RGB纹理合成方法扩展到多光谱图像的困难，因为现有模型只针对RGB图像进行训练。提出了两种无需重新训练神经网络的解决方案，分别通过训练随机光谱带三元组和将多光谱像素投影到三维空间来实现。实验表明这些方法能够达到良好的视觉质量，并接近RGB图像上的先进方法。

Oct, 2024