few-shot image generation | BriefGPT

关键词few-shot image generation

搜索结果 - 12

基于数据不平衡的少样本图像生成的条件生成对抗网络：同伴是你的支柱
使用少量训练图像训练生成模型的少样本图像生成方法中，本文通过结合目标少样本数据集和对等数据集创建了一种数据不平衡的条件生成方法，并采用了基于预训练 CLIP 的方向损失来改善图像的多样性。实验证明了这种方法在减少少样本图像生成的训练需求方面
PDF8 months ago
MM通过结构歧视和纹理调制改进少样本图像生成
通过引入新的纹理调制机制（TexMod），使得少样本图像生成模型能够注入外部的语义信号，从而更细粒度地融合语义信息；本文还通过引入全局结构鉴别器（StructD）指导模型生成合理的布局和轮廓，并通过鼓励模型识别频率信号增强模型的频率感知能力
PDF10 months ago
EqGAN: 特征均衡融合用于少样本图像生成
为了解决现有融合式少样本图像生成方法在生成质量和多样性上的不足，我们提出了一种新颖的特征均衡融合生成对抗网络（EqGAN）来进行少样本图像生成。通过将编码特征解耦为浅层内容和深层内容，并使用两个独立分支分别融合结构和纹理，我们能够在各个特征
PDFa year ago
AdAM: 自适应感知核调制的小样本图像生成
本文针对目前的 few-shot image generation 方法仅基于源域的知识选择而未考虑适应性，提出了一种适应性感知的 AdAM 方法，通过实验证明在多个领域的 FSIG 中均有最好的表现，应用前景广阔。
PDFa year ago
DomainStudio: 使用有限数据对领域驱动图像生成的扩散模型进行微调
本文提出了一种 DomainStudio 方法，用于将在大规模源数据集上预先训练的 DDPMs 调整到目标域，以在目标域中生成高质量且具有多样性的样本，从而实现无条件少样本图像生成。
PDFa year ago
WeditGAN: 通过潜空间重新定位进行少样本图像生成
本文介绍了一种基于 WeditGAN 的 few-shot image generation 方法，利用常数偏移量编辑 StyleGANs 中的中间潜在层代码 w，通过重新定位源潜在空间的分布，构建目标潜在空间，成功地实现了模型转移，并在多
PDFa year ago
CVPR少样本图像生成中不兼容的知识转移探究
本研究提出了一种名为知识截断的方法来缓解 few-shot 图像生成中特有的不兼容知识转移问题，该方法是一种轻量级基于修剪的方法，旨在剪枝源生成器中的不重要的过滤器以加快培训速度，在各种挑战性的设置中实现了最先进的性能提升。
PDFa year ago
MM利用离散内容表示进行少样本图像生成
本研究将少样本图像转换方法应用于少样本图像生成任务中，通过量化连续内容地图为离散内容地图，学习本地内容向量的简洁字典，利用离散内容地图的自回归分布模型缓解内容地图和风格向量的不兼容性。实验结果表明，相对于以前的方法，该模型能够为未见类别生成
PDF2 years ago
ECCVWaveGAN：面向高保真少样本图像生成的频率感知 GAN
提出了 WaveGAN，一种面向少样本图像生成的频率感知模型，通过对多个频率组件的编码特征进行解耦，并通过低频跳过连接和高频跳过连接来生成高质量的图像，实验证明其在三个数据集上均取得了最先进的效果。
PDF2 years ago
CVPR可靠的少样本图像生成的属性组编辑
本研究提出了一种新的基于属性组编辑方法的少样本图像生成技术，通过对属性进行编辑，该方法可以生成更为逼真和多样的图像，并具有可解释的全局属性方向性。
PDF2 years ago
ECCVDeltaGAN: 基于样本特异性的多样化少样本图像生成
该论文提出了一种基于 Delta GAN 的少样本图像生成方法，其中的重构子网络和生成子网络一起将输入图像变换为同类别的新图像，并配合对抗性 delta 匹配损失函数使其更加多样化。此方法在五种不同的少样本图像数据集上进行了实验验证其有效性
PDF4 years ago
F2GAN: 融合与填充 GAN 用于少样本图像生成
本文提出了一种融合填充生成对抗网络（F2GAN）来解决少样本图像生成问题，该方法通过图像融合和填充细节，并通过鉴别器中的多模式寻求损失以及插值回归损失来保证生成图像的多样性。实验结果表明，该方法在 5 个数据集上的表现优异。
PDF4 years ago