利用对抗分割一致性改进草图着色
计算机视觉与模式识别
2023-01-23 v1
摘要
我们提出了一种从草图生成彩色图像的新方法。当前草图着色方案要么需要额外的用户指令，要么局限于“配对”翻译策略。我们利用通用全景分割网络得到的语义图像分割来生成额外的对抗损失函数。所提出的损失函数与任何 GAN 模型兼容。我们的方法不局限于带有分割标签的数据集，也可应用于非配对翻译任务。通过定性、定量分析以及基于用户研究，我们在四个不同的图像数据集上证明了方法的有效性。在 FID 指标上，我们的模型将基线最高提升了 35 个点。我们的代码、预训练模型、生成新引入数据集及相应草图图像的脚本可在 https://github.com/giddyyupp/AdvSegLoss 获取。
引用
@article{arxiv.2301.08590,
title = {Improving Sketch Colorization using Adversarial Segmentation Consistency},
author = {Samet Hicsonmez and Nermin Samet and Emre Akbas and Pinar Duygulu},
journal= {arXiv preprint arXiv:2301.08590},
year = {2023}
}
备注
Under review at Pattern Recognition Letters. arXiv admin note: substantial text overlap with arXiv:2102.06192