用于纹理合成的宏正则模型
计算机视觉与模式识别
2019-04-16 v1 机器学习
机器学习
摘要
在本文中我们考虑用于纹理合成的宏正则模型。在这些模型中，给定输入纹理图像以及一组应在期望上被匹配的特征来生成样本。已知若图像被量化，宏正则模型由吉布斯测度给出，使用最大熵原理。我们研究该结果推广到实值图像的条件。若这些条件成立，寻找宏正则模型等价于最小化一个凸函数并从中采样关联的吉布斯测度。我们分析一种在采样与最小化之间交替的算法。我们给出使用神经网络特征的实验，并研究该采样方案的缺点与优点。
引用
@article{arxiv.1904.06396,
title = {Macrocanonical Models for Texture Synthesis},
author = {De Bortoli Valentin and Desolneux Agnès and Galerne Bruno and Leclaire Arthur},
journal= {arXiv preprint arXiv:1904.06396},
year = {2019}
}
备注
Accepted to Scale Space and Variational Methods in Computer Vision 2019