CVPRMar, 2018

基于条件生成对抗网络的跨视角图像合成

PDF
TL;DR本文提出了两种新的条件生成对抗网络结构，即 X-Fork 和 X-Seq，用于跨视角图像合成，并证明相较于传统图像转换方法，这两种结构在维护源视角和目标视角物体的真实语义方面更具有效性。
cross-view image synthesisconditional generative adversarial networksx-fork architecturex-seq architecturesemantic segmentation
发现论文，激发创造
  • 基于几何引导的条件生成对抗网络的跨视角图像合成

    本文提出了基于几何约束的跨视图图像合成方法，该方法包含使用单应性矩阵将图像映射到另一个视图，利用生成式对抗网络对转换后的图像进行缺失区域修复，实现更为逼真的图像合成效果。

    Aug, 2018

  • 弥合地对空图像匹配的领域差距

    本研究提出了一种基于条件 GAN 的新方法，通过合成俯视图像，将两个视图之间的差距最小化，实现了对视觉实体的跨视图建模并进行特征融合，最终在 CVUSA 数据集上成功实现了景点检索任务。

    Apr, 2019

  • 从单张图像中无监督生成新视角

    本论文提出了一种基于生成对抗网络的条件生成模型，通过无监督学习实现在没有多视角、3D 和姿态监督的情况下进行从单一图像到新视角的合成。

    Feb, 2021

  • 基于级联语义引导的多通道关注选择生成对抗网络用于跨视角图像翻译

    本文提出了一种名为多通道注意力 SelectionGAN 的新方法，该方法可以基于场景图像和新颖的语义地图生成任意视点中自然场景图像，并通过注意力机制和像素损失优化，经过 Dayton，CVUSA 和 Ego2Top 数据集的实验验证，该方法在跨视图图像翻译方面比现有技术有了显著的改进

    Apr, 2019

  • 生成视角合成：从单视角语义到新视角图像

    本文提出一种叫做 GVS 的方法，可基于输入的语义地图，综合出多个真实感的场景视角，还可进行风格操作和图像编辑操作，如通过简单处理输入的风格图像和语义映射来添加或删除对象等。

    Aug, 2020

  • SeCGAN：基于语义一致性的平行条件生成式对抗网络用于人脸编辑

    通过提出一种语义信息导向的生成对抗网络 SeCGAN，可无需指定目标语义掩码的情况下，利用语义信息进行人脸图像编辑，从而在保持质量指标的前提下，在 CelebA 和 CelebA-HQ 上生成具有更准确属性的面部图像，优于竞争基线项。

    Nov, 2021

  • 从单一视角生成多角度图像

    提出了一种名为 VariGANs 的新的图像生成模型，采用变分推断和生成对抗网络的结合，通过粗到细的方式生成多视角衣物图像，比现有方法生成的图像更富有一致性的全局外观以及更丰富和更锐利的细节。

    Apr, 2017

  • 多视角一致性生成对抗网络用于 3D 感知图像合成

    提出了一种基于多视角一致性生成对抗网络（MVCGAN）的高质量 3D 感知图像综合方法，采用几何约束技术，利用深度和相机变换矩阵等信息实现多视角联合优化，同时采用两阶段训练策略和混合训练技术提高模型的生成图像质量，实验结果表明，本方法达到了最先进的性能水平。

    Apr, 2022

  • StoryGAN：用于故事可视化的序贯条件 GAN

    本研究提出了一种新的任务 —— 故事可视化，为每个句子生成一张图像，针对图像连续性与场景和角色的全局一致性的挑战，构建了基于顺序条件 GAN 框架的故事到图像序列生成模型 ——StoryGAN，并通过质量和一致性指标优于现有模型。

    Dec, 2018

  • SideGAN: 用于改进侧视图图像生成的三维感知生成模型

    通过将问题拆分为两个子问题，我们提出了 SideGAN，一种新颖的 3D GAN 训练方法，用于生成与相机位置无关的逼真图像，特别适用于侧视角的人脸。

    Sep, 2023