基于条件 IMLE 从语义布局生成多样化图像
计算机视觉与模式识别
2019-08-30 v2 图形学
机器学习
摘要
大多数现有的条件图像合成方法只能为任意给定输入生成单张合理图像，或至多生成固定数量的合理图像。在本文中，我们关注从语义分割图生成图像的问题，并提出了一种简单的新方法，能为同一语义布局生成任意数量、外观多样的图像。与大多数采用 GAN 框架的现有方法不同，我们的方法基于最近提出的隐式最大似然估计（IMLE）框架。与领先方法相比，尽管使用相同的架构，我们的方法能够生成更多样化的图像，同时产生更少的伪影。所学到的潜空间尽管缺乏鼓励此类行为的监督，仍具有合理的结构。视频与代码可在 https://people.eecs.berkeley.edu/~ke.li/projects/imle/scene_layouts/ 获取。
引用
@article{arxiv.1811.12373,
title = {Diverse Image Synthesis from Semantic Layouts via Conditional IMLE},
author = {Ke Li and Tianhao Zhang and Jitendra Malik},
journal= {arXiv preprint arXiv:1811.12373},
year = {2019}
}
备注
18 pages, 16 figures; IEEE International Conference on Computer Vision (ICCV), 2019