扩散过程中提取代表性特征用于单示例草图提取
计算机视觉与模式识别
2024-01-10 v1 人工智能
图形学
摘要
我们介绍了 DiffSketch，一种从图像生成多种风格化草图的方法。我们的方法侧重于从预训练扩散模型中丰富的深度特征语义中选择代表性特征。这种新颖的草图生成方法只需通过一幅手绘图即可进行训练。此外，通过将训练好的生成器蒸馏为精简的提取器，确保了高效的草图提取。我们通过分析选择了去噪扩散特征，并将这些选定的特征与 VAE 特征集成以生成草图。此外，我们提出了一种使用条件生成方法训练模型的采样方案。通过一系列比较，我们验证了蒸馏后的 DiffSketch 不仅优于现有的最先进草图提取方法，而且在草图提取任务中也超越了基于扩散的风格化方法。
引用
@article{arxiv.2401.04362,
title = {Representative Feature Extraction During Diffusion Process for Sketch Extraction with One Example},
author = {Kwan Yun and Youngseo Kim and Kwanggyoon Seo and Chang Wook Seo and Junyong Noh},
journal= {arXiv preprint arXiv:2401.04362},
year = {2024}
}
备注
8 pages(main paper), 8 pages(supplementary material)