perceptual losses | BriefGPT

关键词perceptual losses

搜索结果 - 12

无参考质量评估方法能用作超分辨率的知觉损失吗？
通过使用无参考图像质量评估方法作为感知损失，本文研究了几种视频超分辨率模型的直接优化，实验结果表明简单的优化方法会产生伪影，但特殊的训练过程可以减轻这些问题。
PDFa month ago
3Doodle：使用 3D 笔画对对象进行简化
我们提出了 3Dooole，能够生成描述性和视角一致的草图图像，基于一组 3D 笔画能够有效地表示 3D 结构信息并渲染视角一致的 2D 草图。
PDF5 months ago
数据被高估：在训练数据缺失时，感知指标可能引导学习
通过使用感知度量标准进行训练，以改进模型对未知自然信号的泛化能力，我们展示了使用感知损失进行训练优于使用标准欧几里得损失的模型在测试时重构频谱图和重新合成音频的能力。
PDF7 months ago
零样本三维形状草图视图相似度与检索
本研究探讨了预训练的 ViT 和 ResNet 特征层在量化个体三维形状的二维草图视图之间的相似性方面的能力，并使用对比学习细化预训练模型，研究所选微调策略如何影响零样本形状检索准确性，提供洞察和指导采用大规模预训练模型作为感知损失的研究。
PDFa year ago
CVPR感知导向的单图超分辨率使用最佳目标估计
本文提出了一种新的单图像超分辨率 (SISR) 框架，该框架采用了适用于每个区域的最佳目标以生成整体区域的高分辨率输出，并在五个基准测试中取得了优异的结果。
PDF2 years ago
使用有条件的目标函数进行灵活的风格图像超分辨率
本文提出了一种基于多任务学习和条件性目标实现调节损失权值的单个可调节超分辨率模型，通过一组权重定义为样式控制器来优化超分辨率模型，并在 Residual-in-Residual Dense Block 上装备空间特征转换层来适应目标。实验表
PDF2 years ago
高保真生成图像压缩
本文研究了如何将生成敌对网络与学习压缩相结合，得到一种最先进的生成有损压缩系统，并在归一化层、生成器和鉴别器架构、训练策略以及感知损失方面进行了探究。与之前的工作不同的是，我们实现了在广泛的比特率范围内视觉上令人满意的重建，并且，我们的方法
PDF4 years ago
ECCV多尺度递归与感知失真可控的图像超分辨率
通过修改 MGCP 结构为一个生成系统，加入具有控制输出细节的输入参数，提出了一个具有新颖特性的鉴别器 —— 多尺度、递归和包含一个新层以捕获自然影像的显著特征统计，并采用一种训练策略以避免重建和感知损失之间的冲突，成功在 PIRM 超分辨
PDF6 years ago
ECCV利用感知辨别器进行图像操作
本文介绍了一种将感知损失和基于对抗鉴别器的学习目标通过一个特殊的鉴别器网络框架结合起来，在未对齐的图像数据集上训练获得准确快速结果的新体系结构 —— 感知鉴别器。通过此体系结构在未对齐的图像翻译任务中取得了良好效果。
PDF6 years ago
CVPR基于感知损失的单张图片反射分离
通过一个全卷积网络，我们提出了一种从单张图像中分离反射图像的方法。我们的方法通过低级别和高级别图像信息的损失函数来进行训练，并包含两个知觉损失、一个对抗损失以及一个像素级别层次分离的排斥损失。我们创建了一个真实世界图像数据集并验证了我们的方
PDF6 years ago
CVPRCycle-Dehaze: 增强版 CycleGAN 用于单张图像去雾
本文提出了一种称为 Cycle-Dehaze 的端到端网络，用于单图像去雾问题，无需对成对的模糊和对应的真实图像进行训练，此方法不依赖于大气散射模型参数的估计。网络利用循环一致性和知觉损失增强 CycleGAN 的公式，以提高对纹理信息的恢
PDF6 years ago
卷积素描反演
该论文利用深度神经网络将面部素描图像还原为照片级真实面部图像，采用半模拟数据集和深度学习技术，包括批处理规范化、深层残差学习、感知损失和随机优化。最后，通过艺术和犯罪学示例，展示了该方法的应用潜力。
PDF8 years ago