ObjBlur: 一种渐进式对象级模糊的课程学习方法，用于改进布局到图像生成
计算机视觉与模式识别
2024-04-12 v1
摘要
我们提出了ObjBlur，一种新颖的课程学习方法，用于改进布局到图像生成模型，其任务是从由边界框和标签组成的布局生成逼真的图像。我们的方法基于渐进式对象级模糊，有效地稳定了训练并提高了生成图像的质量。这种课程学习策略在训练过程中系统地应用不同程度的模糊到单个对象或背景，从强模糊开始，逐步过渡到更清晰的图像。我们的发现表明，这种方法带来了显著的性能提升、训练稳定、收敛更平滑，并减少了多次运行之间的方差。此外，我们的技术展示了其多功能性，可与生成对抗网络和扩散模型兼容，突显了其在不同生成建模范式中的适用性。通过ObjBlur，我们在复杂的COCO和Visual Genome数据集上达到了新的最先进结果。
引用
@article{arxiv.2404.07564,
title = {ObjBlur: A Curriculum Learning Approach With Progressive Object-Level Blurring for Improved Layout-to-Image Generation},
author = {Stanislav Frolov and Brian B. Moser and Sebastian Palacio and Andreas Dengel},
journal= {arXiv preprint arXiv:2404.07564},
year = {2024}
}