C4Synth: 跨描述循环一致文本到图像合成
计算机视觉与模式识别
2018-09-28 v1 人工智能
机器学习
机器学习
摘要
从其描述生成图像是一项值得解决的挑战性任务,因其在从图像编辑到虚拟现实等众多实际应用中具有价值。所有现有方法使用单一描述生成合理图像。单一描述本身可能有限,无法捕捉图像中可能出现的各种概念与行为。我们提出两种深度生成模型,通过利用描述该图像的多个描述来生成图像。这通过确保多个描述与生成图像之间的“跨描述循环一致性”来实现。我们在标准Caltech-UCSD Birds (CUB) 与 Oxford-102 Flowers 数据集上报告了定量与定性结果,以验证所提方法的有效性。
引用
@article{arxiv.1809.10238,
title = {C4Synth: Cross-Caption Cycle-Consistent Text-to-Image Synthesis},
author = {K J Joseph and Arghya Pal and Sailaja Rajanala and Vineeth N Balasubramanian},
journal= {arXiv preprint arXiv:1809.10238},
year = {2018}
}
备注
To appear in the proceedings of IEEE Winter Conference on Applications of Computer Vision, WACV-2019