復(fù)雜景觀圖像的語(yǔ)義多狀態(tài)圖像風(fēng)格遷移
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>6635 K
標(biāo)簽： 景觀圖像 局部風(fēng)格遷移 SCST
所需積分：0分積分不夠怎么辦？
文檔介紹：復(fù)雜景觀圖像包含具有不同特征的各種對(duì)象，傳統(tǒng)的風(fēng)格遷移方法無(wú)法在同一圖像中對(duì)不同對(duì)象進(jìn)行局部風(fēng)格遷移。CycleGAN可以通過(guò)偽監(jiān)督策略在沒(méi)有配對(duì)樣本的情況下實(shí)現(xiàn)風(fēng)格遷移。但是CycleGAN無(wú)法實(shí)現(xiàn)對(duì)復(fù)雜風(fēng)景圖像中不同類別對(duì)象的風(fēng)格遷移；同時(shí)CycleGAN在復(fù)雜場(chǎng)景中的泛化能力不足且復(fù)雜度高。因此，提出了一種基于語(yǔ)義類別的復(fù)雜風(fēng)景多狀態(tài)圖像生成方法，即語(yǔ)義類別風(fēng)格遷移（Semantic Category Style Transfer，SCST），能夠有效地結(jié)合局部特征實(shí)現(xiàn)復(fù)雜風(fēng)景的圖像生成。同時(shí)提出了上下文感知的風(fēng)格遷移模型GCycleGAN。實(shí)驗(yàn)結(jié)果表明本文提出的GCycleGAN的性能優(yōu)于CycleGAN、DualGAN和Munit等基于深度學(xué)習(xí)的圖像生成模型。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。