Jan, 2024

使用自整正方法生成非固定纹理

PDF
TL;DR本文提出了一种处理非稳定纹理合成的基于示例的方法，通过引入一种新的两步方法，用户首先使用标准图像编辑工具修改参考纹理，得到一个初步的目标合成图，随后采用自我校正的方法，利用预先训练的扩散网络和自注意力机制，渐进地将目标合成图与参考图进行对齐，从而保留所提供目标中的结构，并在非稳定纹理处理上取得了显著的进展。
example-based non-stationary texture synthesistwostep approachself-rectificationpre-trained diffusion networkself-attention mechanisms
发现论文，激发创造
  • 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

  • 基于扩散的全局纹理矫正与合成

    我们提出了一种新的框架来纠正自然图像中降解纹理样本中的遮挡和扭曲问题，该框架通过从降级样本中合成整体纹理，扩展了基于样本的纹理合成技术的适用性。框架利用具有遮挡感知的潜变换器的条件潜扩散模型，既能够有效地编码部分观测样本中的纹理特征以完成潜扩散模型的生成过程，又能够明确地捕捉到具有大范围遮挡的样本中的长程依赖关系。实验结果表明，我们的框架在定量和定性方面显著优于现有方法。此外，我们进行了全面的消融研究，以验证我们建议的框架的不同组成部分。结果得到了感知用户研究的证实，并突显了我们提出方法的高效性。

    Sep, 2023

  • 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

  • 同步多视角扩散下的文本引导纹理

    介绍一种新颖的方法用于合成给定 3D 对象的纹理，通过预训练的文本到图像扩散模型，提出了一种同步多视点扩散方法，早期生成的纹理内容达成一致，确保纹理的一致性。

    Nov, 2023

  • 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

  • 基于文本指导的三维人脸合成 -- 从生成到编辑

    通过文本引导的三维人脸合成，从生成到编辑的统一框架，通过解耦生成几何和纹理来提高几何细节的生成效果，并利用生成几何作为纹理生成的条件，进一步提升几何与纹理的一致性结果；通过预训练扩散模型来更新面部几何或纹理以实现顺序编辑，并引入 UV 域一致性保持正则化以防止对不相关面部属性的无意更改，并提出自导向一致性权重策略以提高编辑效果与保持一致性；通过全面实验展示了该方法在人脸合成方面的优越性。

    Dec, 2023

  • RecDiffusion：扩散模型图像拼接的矩形化

    通过扩散学习框架，将图像拼接由非矩形边界转化为矩形边界，并利用运动扩散模型和内容扩散模型来提高几何准确性和视觉效果，在公开基准测试中取得了优于以往方法的定量和定性评估结果。

    Mar, 2024

  • 自校正伪立体视图合成的单视角生成

    通过将单视图合成问题扩展到多视图设置并利用可靠的和显式的立体先验来生成伪立体视角解决了学习问题中的模糊性，将具有挑战性的新颖视图合成过程分解为两个简单的问题：立体合成和三维重建。

    Apr, 2023

  • EnhanceNet: 自动纹理合成的单图像超分辨率

    该研究提出了一种基于自动纹理合成及感知损失的单张图像超分辨率增强方法，利用卷积神经网络实现前馈学习与对抗训练相结合，取得了高效、有效的成果。

    Dec, 2016

  • 重新识别监督纹理生成

    本文提出了一种基于端到端学习策略的方法，利用行人重新识别作为感知度量，生成单张人体图像的纹理贴图，实验结果表明，我们的模型可以从单张图像中生成纹理贴图，并证明我们的纹理比其他可用方法生成的质量更高，我们还将应用范围扩展到其他类别，并探索了我们生成的纹理的可能利用途径。

    Apr, 2019