基于条件对抗网络的城市重新设计
计算机视觉与模式识别
2021-04-15 v2 人工智能
机器学习
摘要
本文引入一种条件生成对抗网络，通过生成 1) 一项城市干预策略，2) 一个定位需要干预位置的注意力图，3) 实施干预后的高分辨率街景图像（1024×1024 或 1536×1536），来重新设计城市场景的街景图像。我们还引入了一个新数据集，其包含现实场景中城市干预前后对齐的街景图像，使本研究得以实现。所引入的方法已在应用于真实图像的不同范围的城市干预上进行训练。训练后的模型在城市重塑方面表现出强劲性能，优于其他领域中在单块 GPU 上计算的应用图像到图像翻译的现有方法。本研究为机器智能基于对抗学习在重新思考和重新设计城市不同属性方面发挥作用打开了大门，超越了面部关键点操控或从语义分割进行图像合成的主流。
引用
@article{arxiv.2104.04013,
title = {Re-designing cities with conditional adversarial networks},
author = {Mohamed R. Ibrahim and James Haworth and Nicola Christie},
journal= {arXiv preprint arXiv:2104.04013},
year = {2021}
}