Sep, 2023

使用基于逐块方式的 GAN 生成无限分辨率纹理

PDF
TL;DR本文介绍了一种使用基于生成对抗网络（GANs）的逐片段范例生成无限分辨率纹理图像的新方法。该方法通过在一个纹理图像上训练 GAN 模型，生成相对较小但局部相关且可无缝拼接成更大图像的纹理片段，并具有可扩展性、一致性和多样性。实验结果表明，相比于现有方法，该方法具有更好的可扩展性和视觉一致性。
发现论文，激发创造
  • InfinityGAN：无限像素图像合成

    我们提出了一种新颖的框架 InfinityGAN，用于与任意大小的图像生成相关的任务，它在资源和真实性方面具有优越性能，并可应用于空间风格融合、多模式外油漆和图像中间。

    Apr, 2021

  • 无限纹理：基于文本引导的高分辨率扩散纹理合成

    从文本提示生成任意大小的纹理图像的新方法，通过精调扩散模型实现单一 GPU 上任意分辨率的输出纹理图像，并展示了生成纹理在 3D 渲染和纹理转换中的两个应用。

    May, 2024

  • TextureGAN：使用纹理贴片控制深度图像合成

    本文介绍了一种通过草图、颜色和纹理生成深层次图像的方法。通过引入纹理控制来实现用户对输出纹理的控制，我们的生成网络可以学习到如何根据用户的纹理想法生成与之一致的对象，并且在实验中得到了验证。

    Jun, 2017

  • TileGAN：大规模非均质纹理的合成

    在输入多张图像且需要大规模输出的纹理合成问题中，本文基于生成对抗网络提出两个扩展解决方案，一是结合较小分辨率的 GAN 训练产生边界无明显痕迹的大规模纹理地图，二是提供用户界面进行艺术控制，我们的定量和定性结果展示了合成高分辨率地图的成功案例。

    Apr, 2019

  • 基于生成对抗网络的基于补丁的图像修复

    本文提出了一种基于生成对抗网络（GAN）框架的图像修复方法，该方法利用全局 GAN（G-GAN）架构和 PatchGAN 方法结合进行鉴别器网络的构建，可较好地实现图像贴图的局部连续性和全局特征。经大量评估发现，与最新的现有技术相比，该框架在视觉和数量评估方面均取得了显著的改进。

    Mar, 2018

  • 空间生成对抗网络纹理合成

    本文介绍了一种基于生成对抗网络的新型纹理合成模型，即空间 GAN（SGAN），其通过将输入噪声分布空间从单一向量延展至整个空间张量，实现了高品质、高可扩展性和快速实时正向生成等特点，并能够将多个不同类别的源图像融合到复杂的纹理中。同时，本文还讨论了该方法的一些局限性，并将其与其他神经纹理生成技术进行了比较。

    Nov, 2016

  • 多尺度 GAN 用于内存高效生成高分辨率医学图像

    本文提出一种新的基于多尺度补丁的生成对抗网络方法，用于生成大型高分辨率的医学图像，尤其是 3D 体积，解决了 GANs 对于大规模医学图像的计算需求问题。

    Jul, 2019

  • 使用周期空间 GAN 学习纹理流形

    本文提出了一种基于生成对抗网络（GAN）的纹理合成新方法，称为周期空间 GAN（PSGAN），该方法可以从复杂大型图像数据集中学习多种纹理，生成的样本在结构化噪声空间内可以平滑插值，生成新样本，并可以准确学习周期性纹理，能够灵活处理不同的纹理和图像数据源，可扩展性强，能够生成任意大小的输出图像。

    May, 2017

  • 对抗扩张驱动的非稳态纹理合成

    本文介绍了一种基于生成对抗网络的例子合成方法，用于处理包括空间非同变、不均质等非稳态纹理，实现了大尺度结构的捕捉，其简单的概念性方法极有效，成为解决有挑战性的纹理的无其他现有方法可处理。

    May, 2018

  • 空间无限生成模型的解释

    本文提出一种理论模型，通过将随机空间向量输入到完全卷积神经网络中，基于空间随机过程生成任意分辨率的图像，并用该模型来提高空间无限生成模型的训练效率，实现了对世界地图、全景图像和纹理合成等的任意尺寸图像的高效生成。

    Jul, 2020