GANosaic：利用生成纹理流形创作马赛克
计算机视觉与模式识别
2017-12-04 v1 机器学习
摘要
本文提出一种利用卷积神经网络生成纹理马赛克的新型框架。我们的方法称为 GANosaic，并在生成纹理模型的潜在噪声空间中进行优化，从而允许将内容图像转换为展现底层纹理流形视觉特性的马赛克。为了表示该流形，我们使用一种最先进的用于纹理合成的生成对抗方法，它可以从数据中学习具有表现力的纹理表示并生成非常高分辨率的马赛克图像。该全卷积模型生成平滑（无任何可见边界）的马赛克图像，在局部变形并混合不同纹理。此外，我们开发了一种新型可微分统计正则化，适用于在 PSGAN 模型先验噪声空间上的优化。
引用
@article{arxiv.1712.00269,
title = {GANosaic: Mosaic Creation with Generative Texture Manifolds},
author = {Nikolay Jetchev and Urs Bergmann and Calvin Seward},
journal= {arXiv preprint arXiv:1712.00269},
year = {2017}
}
备注
31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA. Workshop on Machine Learning for Creativity and Design