即时宠物疗法:用 GAN 生成的图像制作治疗性社交媒体内容
利用递归神经网络和深度卷积生成对抗网络构建了新的深度架构和 GAN 公式,将字符转换为像素,有效地将文本和图像建模相结合,从而实现了从详细文本描述中生成花和鸟的逼真图像的能力。
May, 2016
提出了一种单一的文本到图像生成和操纵的流程,其中在我们的流程的第一部分,介绍了 TextStyleGAN 这个在文本上进行训练的模型;第二部分使用预训练的 TextStyleGAN 权重进行语义面部图像操纵,并通过在潜空间中找到语义方向来完成。我们展示了该方法可以用于广泛的面部图像属性操纵,并介绍了 CelebTD-HQ 数据集作为 CelebA-HQ 的扩展,其中包含了人脸及相应的文本描述。
May, 2020
通过引入生成对抗网络(GANs)的创新方法,我们提出了一种合成医学图像的方法,通过深度卷积神经网络(CNNs)架构的生成器和鉴别器网络以及对抗训练方法,即使在有限的真实医学图像数据训练下,也能生成逼真的合成图像,并成功模拟了真实医学图像的结构和纹理特征。
May, 2024
本研究介绍一种基于深度卷积生成对抗网络的图像生成方法,能够使用少于两千张图像实现高分辨率(最大 1024x1024 像素)的真实感图像生成,未来可应用于计算机图形学和视觉效果。
May, 2017
本文通过使用由 GANs 学习得到的图像先验知识与个体图像的图像统计特征相结合,解决了对已有自然照片的高级属性进行操控的问题,提出了一种准确重构并合成新内容且能够保持输入图像特征的交互式系统,并在多个语义图像编辑任务上展示了方法的有效性。
May, 2020
使用神经生成能力和感知注入技术,本研究提出了一种无需提示的生成方法,使用户能够自动生成个性化的具有自定义艺术风格的画作内容。
Feb, 2024
通过生成对抗网络(GAN)或变压器模型进行文本到图像生成。提出了一种方法,利用人工智能模型进行主题创造,并对实际绘画过程进行分类建模。通过将所有视觉元素转化为可量化的数据结构来创建图像,并与现有的图像生成算法进行语义准确性、图像可复现性和计算效率方面的有效性评估。
Dec, 2023
通过大量人工生成的内容进行训练,AI(人工智能)图像合成能够生成与其训练数据在视觉外观上相匹配的语义连贯的图像。我们展示了这些生成型 AI 模型在重新训练时即使只是重新训练少量自己生成的内容,也会产生高度畸变的图像。同时我们还展示了这种畸变不仅限于用于重新训练的文本提示,一旦受到毒害,这些模型在仅仅通过真实图像重新训练后依然难以完全恢复。
Nov, 2023
利用生成对抗网络 (GANs) 创建合成数据是解决医疗数据库隐私政策问题的好方法。本文探讨了集中式和分散式条件和非条件 GANs 的性能以及其在现实和理想情况下生成病变数据的能力,并说明了 GANs 训练过程中潜空间和嵌入可视化的技术,以及 GANs 的真实性和泛化性评估等问题。
Aug, 2022