基于带标注信息的 IGC 学习框架的图像变换神经网络综述
计算机视觉与模式识别
2022-06-22 v1
摘要
图像变换是一类视觉与图形学问题，其目标是学习输入图像与输出图像之间的映射，在深度神经网络的背景下发展迅速。在计算机视觉（CV）中，许多问题可视为图像变换任务，例如语义分割与风格迁移。这些工作主题与动机各异，使图像变换任务蓬勃发展。一些综述仅回顾风格迁移或图像到图像翻译的研究，而这些都只是图像变换的一个分支。然而，据我们所知，尚无综述在统一框架下对这些工作加以总结。本文提出一种包含独立学习、引导学习与协同学习的新颖学习框架，称为 IGC 学习框架。我们讨论的图像变换主要涉及关于深度神经网络的通用图像到图像翻译与风格迁移。从该框架的视角，我们回顾这些子任务并对各种场景给出统一解释。我们根据相似的发展趋势对图像变换的相关子任务进行分类。此外，我们进行了实验以验证 IGC 学习的有效性。最后，讨论了未来研究的新方向与开放问题。
引用
@article{arxiv.2206.10155,
title = {Review Neural Networks about Image Transformation Based on IGC Learning Framework with Annotated Information},
author = {Yuanjie Yan and Suorong Yang and Yan Wang and Jian Zhao and Furao Shen},
journal= {arXiv preprint arXiv:2206.10155},
year = {2022}
}