用于纹理合成的一般化整流小波协方差模型
计算机视觉与模式识别
2022-03-16 v1 机器学习
图像与视频处理
信号处理
机器学习
摘要
最先进的纹理合成最大熵模型由依赖于卷积神经网络(CNN)所定义图像表示的统计量构建。此类表示捕获了纹理图像中的丰富结构,在此方面优于基于小波的表示。然而,与神经网络相反,小波提供有意义的表示,因为已知其可检测图像中多尺度(如边缘)的结构。本工作中,我们提出一类基于非线性小波表示的统计量,可视为使用一般化整流非线性的单层 CNN 的特定实例。这些统计量显著改善了先前经典基于小波模型的视觉质量,并能在灰度与彩色纹理上产生与最先进模型质量相当的合成结果。
引用
@article{arxiv.2203.07902,
title = {Generalized Rectifier Wavelet Covariance Models For Texture Synthesis},
author = {Antoine Brochard and Sixin Zhang and Stéphane Mallat},
journal= {arXiv preprint arXiv:2203.07902},
year = {2022}
}
备注
To be published as a conference paper at the International Conference on Learning Representations (ICLR) 2022