MixSyn：面向多源图像合成的组合与风格学习
计算机视觉与模式识别
2021-11-25 v1 人工智能
摘要
随着新型模型利用更大的数据集和新颖的架构，生成模型创建的合成图像在质量和表现力上不断提升。尽管从创作角度看，这种照片级真实感是一个积极的副作用，但当此类生成模型在未经同意的情况下被用于冒充时，就会产生问题。这些方法大多建立在源图像与目标图像对之间的部分迁移之上，或者基于理想分布生成全新的样本，但这些样本仍与数据集中最接近的真实样本相似。我们提出 MixSyn（读作“mixin'”），用于从多个源学习新颖的模糊组合，并创建与这些组合对应的图像区域混合而成的新图像。MixSyn 不仅将来自多个源掩码的不相关区域组合成连贯的语义组合，还能生成对掩码敏感的不存在图像的高质量重建。我们在质量、多样性、真实感和表现力方面，将 MixSyn 与最先进的单源顺序生成和拼贴生成方法进行了比较；同时还展示了交互式合成、混合匹配和编辑传播等任务，且无掩码依赖性。
引用
@article{arxiv.2111.12705,
title = {MixSyn: Learning Composition and Style for Multi-Source Image Synthesis},
author = {Ilke Demir and Umur A. Ciftci},
journal= {arXiv preprint arXiv:2111.12705},
year = {2021}
}