generative network | BriefGPT

关键词generative network

搜索结果 - 31

一种用于动态多值映射估计及其应用的深度神经网络框架
该论文介绍了一种深度神经网络框架，结合了生成网络和分类组件，旨在建模和估计输入与输出之间的动态多值映射，并提供可靠的不确定性度量。通过使用离散码本和分类器，该框架可生成给定输入的多个解决方案，并通过优化码本和不确定性估计来实现高精度的近似。
PDF5 days ago
低光条件下可见光到热像转换以提高视觉任务效果
本文提出了一种利用生成网络和检测网络将 RGB 图像转化为热成像图像的端到端框架，并通过生成的热成像图像与真实数据进行比较，论证了使用生成对抗网络将 RGB 训练数据转化为热成像数据的可行性，从而加快和降低生成热成像数据的成本，满足安全应用
PDF8 months ago
全向开放词汇 360 度图像生成的自回归全感知扩展绘画
360 度图像合成的研究中提出了自回归全方位感知生成网络（AOG-Net），通过在不完整的 360 度图像中使用不完全视野和文本指导逐步完成生成，以获取细粒度且与文本一致的模式，实现了更大的编辑灵活性。实验表明，该方法在室内和室外环境下的两
PDF10 months ago
ICCVDiff-Retinex: 用生成扩散模型重新思考低光照图像增强
通过提出一种物理可解释的、生成扩散模型 (Diff-Retinex) 来重新思考低光图像增强任务，将低光图像增强问题形式化为 Retinex 分解和条件图像生成，并通过生成扩散模型实现对低光细节的修复。在真实世界低光数据集上进行的广泛实验定
PDF10 months ago
基于未经训练的神经网络的傅里叶相位恢复及其在极少测量中的嵌入
使用基于交替方向乘子方法（ADMM）框架的未训练神经网络（NN）嵌入算法，通过生成网络和总变差（TV）正则化来解决具有少量测量的 Fourier 相位恢复（FPR）问题，从而减少计算资源，并能与训练的 NN 算法竞争性地表现。
PDFa year ago
CVPRUMat: 不确定性感知的单幅图像高分辨率材质捕捉
本研究提出了一种基于学习的方法，使用微观几何外观作为主要线索，从材料的单个漫反射图像中恢复法线、高光和粗糙度，并展示了我们的方法的性能表现。
PDFa year ago
DualGenerator: 基于信息交互的生成网络用于点云补全
本研究提出了一种基于信息交互的生成式网络，用于点云的完整性补全，并引入了本地细化模块和 DGStyleGAN，以捕捉局部结构和提高网络的鲁棒性和生成质量。经定量和定性测试，证明了该方法在 MVP 和 Completion3D 数据集方面的表
PDFa year ago
eTag: 基于嵌入蒸馏和任务导向生成的类增量学习
本研究提出了一种称为 eTag 的方法，通过嵌入蒸馏和面向任务的生成，无需存储样本或原型即可增量训练神经网络，以解决 Class-Incremental Learning 中的遗忘问题，并在 CIFAR-100 和 ImageNet-sub
PDFa year ago
基于聚类的生成不完整图像文本聚类 (CIGIT-C)
本研究针对多模态数据，使用一种基于生成网络的不完整图文聚类方法，旨在解决实际情景中数据不完整的问题，并在公开数据集上验证了其性能优于已有方法。
PDF2 years ago
通过对比学习增强领域任意图像风格转移
本文提出一种使用深度对比学习的方法，通过学习图像特征来获得图像的样式表示，并使用生成网络进行样式转移。研究表明，相对于现有的基于二阶统计量的方法，这种方法能够更加有效地获取图像的样式信息并生成更好的结果。
PDF2 years ago
Learnable Adversarial Initialization 强化快速对抗训练
本研究针对 Adversarial training 应用 Fast Gradient Sign Method (FGSM) 进行改进，提出了一种基于 generative network 和 target network 联合优化的 sa
PDF3 years ago
MMJPGNet：联合预测滤波和生成网络用于图像修复
本文提出了一套联合预测滤波和生成网络的混合框架 JpgNet，通过结合预测滤波网络和生成网络，同时保留局部结构和整体理解，并提出了一种不确定性感知融合网络，可用于图像修复领域。在 Dunhuang、Places2 和 CelebA 等数据集
PDF3 years ago
ECCVGRAB: 一个全身人类抓取物体的数据集
该研究通过收集一个新的名为 GRAB 的数据集，包含 10 个零件与 51 个日常物品的互动，详细描述了人类整体抓握物品的过程。通过这个数据集，研究者运用生成式网络训练预测人类手部抓握姿态的模型，以帮助更好地理解人体与物品的互动过程。
PDF4 years ago
DeepSVG：用于矢量图形动画的分层生成网络
本文提出了一种新颖的分层生成网络 DeepSVG，可用于生成和插值 SVG 图标。研究者通过引入一个新的大规模数据集并结合开源 SVG 操作库，证明了该网络能准确重建各种矢量图形，并可作为强大的动画工具。
PDF4 years ago
CVPRSegAttnGAN: 带有分割注意力的文本到图像生成
本文提出了一种新颖的生成网络（SegAttnGAN），该网络利用附加的分割信息来进行文本到图像综合任务，通过引入分割数据对生成器训练提供有用的指导，相较于之前的最先进技术，本模型可以生成更具真实感和更高量化准确性的图像，我们在 CUB 数据
PDF4 years ago
Flowtron: 基于流的自回归生成网络用于文本转语音合成
本文提出了一种自回归基于流的生成网络 Flowtron，用于对语音的合成，并提供了控制语音变化和风格转移的功能。Flowtron 通过最大化训练数据的可能性进行优化，学习将数据映射到一个潜在空间，可以操纵语音合成的许多方面。与现有模型进行比
PDF4 years ago
CVPR来自图像集合的自监督视角学习
本研究旨在回答一个问题，即能否利用来自互联网的未标记对象类别的大量图像，通过自监督实现纯粹通过训练视角估计网络。在这里，我们提出了一种新颖的学习框架，其中包括一种通过合成分析范例结合生成网络进行视点感知重构图像的方法，以及对称性和对抗约束
PDF4 years ago
STEP：基于时空图卷积网络从步态中感知情感
本文介绍了一种基于 ST-GCN 结构的新型分类器网路，称为 STEP，可通过人体步态特征自动识别出人类的情绪状态，使用 ST-GCN 基于 CVAE 结构的生成网络 ----STEP-Gen，结合一种新颖的推拉正则化损失函数可有效提升准确
PDF5 years ago
ICCV游戏角色自动生成的面部参数转化
该研究提出了一种方法，通过面部相似度测量和参数搜索范例解决优化问题，使用两种损失函数来创造游戏角色，其中一个是 “可辨别损失”，另一个是 “面部内容损失”，并引入生成网络作为 “模拟器” 来实现，该方法在新游戏中已被玩家使用超过 100 万
PDF5 years ago
ChromaGAN: 对抗性图片着色与语义类别分布
本文提出了一种基于对抗学习和语义信息的图像上色方法，该方法使用生成网络来推断给定灰度图像的色度，模型通过全自监督策略进行训练并通过定量和定性实验展示出其失真度更高的优点。
PDF5 years ago