关键词image-to-image transformation
搜索结果 - 7
- UPOCR:面向统一像素级 OCR 接口
提出了一种名为 UPOCR 的简单而有效的通用模型,用于统一的像素级光学字符识别接口,通过图像转化和基于视觉 Transformer 的编码器 - 解码器结构统一了多样的 OCR 任务的范式,并引入可学习的任务提示使解码器具有任务感知性,在 - 合成儿童种族数据的基于 GAN 的图像翻译的比较研究
利用图像转换方法,利用 pix2pix、CycleGAN 和 CUT 网络来生成各种合成儿童数据样本,以实现更广泛的种族多样性。
- CVPR通过每个受试者对抗性数据增强探索面部识别中的种族偏见
本研究提出了一种基于图像转换的敌对数据扩充方法,旨在通过转换感性种族特征的面部图像,实现每个主题的数据集平衡。实验结果表明,该方法可以减少原本不平衡的数据集中对(种族)少数群体的认知偏差,对 Softmax,CosFace 和 ArcFac - CVPR面向视觉识别的细粒度图像转换
本研究针对图像变换任务中的身份标签保留问题,通过对生成对抗网络的模型改进,提出了一种保留输入图像身份的图像变换方法,并在 CompCars 和 Multi-PIE 数据集上进行了大量实验证明了模型的实际效用,尤其是在细粒度少样本学习任务上。
- CSGAN: 用循环合成生成对抗网络进行图像转换
本文提出了一种基于循环生成对抗网络(CSGAN)的图像转换方法,使用 Cyclic-Synthesized Loss 作为新的目标函数。该方法在 CUHK Face 数据集和 CMP Facades 数据集上的实验结果表明,相比 GAN、P - 基于尺度空间分解的本质图像转换
该研究提出了一种新的神经网络结构,将图像分解为其固有反射率和阴影,这个结构在固有图像分解问题上表现优异,通过将输出图像展开成拉普拉斯金字塔组件并依据频率实现并行处理,利用卷积神经网络实现图像转换函数的学习,然后在两个基准数据集上进行验证,定 - 感知对抗网络用于图像转换
该研究提出了一种感知对抗网络(PAN)模型,通过将生成性对抗丢失和感知对抗丢失相结合,用于解决图像到图像的转换任务,并在多个任务上的实验中表现出优于许多相关的现有方法。