图像语义转换：更快、更轻、更强
计算机视觉与模式识别
2018-03-28 v1 人工智能
摘要
我们提出了图像-语义-转换-重构-循环 (ISTRC) 模型，这是一种新颖且强大的方法，利用 FaceNet 的欧几里得潜空间来理解图像。顾名思义，ISTRC 构建了一个能够完美重构图像的循环。嵌入在 ISTRC 中的一个强大的欧几里得潜空间是 FaceNet 的最后一层，具有区分和理解图像的能力。我们的模型将重构图像并操纵欧几里得潜向量，以实现语义转换和语义图像算术计算。在本文中，我们展示了 ISTRC 执行了 10 种高级语义转换，如“男性与女性”、“加微笑”、“张嘴”、“去胡须或加胡子”、“更大/更小的鼻子”、“变老和变年轻”、“更大的嘴唇”、“更大的眼睛”、“更大/更小的嘴巴”和“更有吸引力”。在 GTX 1080 上训练这 10 种语义转换模型仅需 3 小时。
引用
@article{arxiv.1803.09932,
title = {Image Semantic Transformation: Faster, Lighter and Stronger},
author = {Dasong Li and Jianbo Wang},
journal= {arXiv preprint arXiv:1803.09932},
year = {2018}
}
备注
ECCV 2018 submission, 14 pages