利用sliceGAN从二维切片生成三维结构中的特征解耦
计算机视觉与模式识别
2021-05-04 v1 机器学习
图像与视频处理
摘要
深度生成模型已知能够对任意概率分布建模。其中，近期一种称为 sliceGAN 的深度生成模型提出了一种新方法，利用生成对抗网络（GAN）捕捉二维（2D）切片的微观结构特征并生成具有相似性质的三维（3D）体数据。尽管 3D 显微图像在模拟多样材料行为中大有裨益，但其通常远比 2D 对应物难以获取。因此，sliceGAN 通过学习来自 2D 切片的代表性分布并将所学知识迁移以生成任意 3D 体数据，开启了诸多有趣的研究方向。然而，sliceGAN 的一个局限在于无法进行潜空间操控。为此，我们将 sliceGAN 与 AdaIN 结合，赋予模型解耦特征与控制合成的能力。
引用
@article{arxiv.2105.00194,
title = {Feature Disentanglement in generating three-dimensional structure from two-dimensional slice with sliceGAN},
author = {Hyungjin Chung and Jong Chul Ye},
journal= {arXiv preprint arXiv:2105.00194},
year = {2021}
}