语义多模态图像合成
计算机视觉与模式识别
2020-04-03 v3
摘要
在本文中，我们关注语义多模态图像合成 (SMIS) 任务，即在语义层面生成多模态图像。先前工作试图使用多个类特定生成器，这限制了其在类别数量较少的数据集上的使用。我们转而提出一种新颖的分组递减网络 (GroupDNet)，其在生成器中利用分组卷积，并逐步减少解码器中卷积的分组数。因此，GroupDNet 在将语义标签转换为自然图像时具备更强的可控性，并对类别众多的数据集产生合理的高质量结果。在多个具有挑战性的数据集上的实验证明了 GroupDNet 在执行 SMIS 任务上的优越性。我们还展示了 GroupDNet 能够执行广泛的趣味合成应用。代码与模型可见于：https://github.com/Seanseattle/SMIS。
引用
@article{arxiv.2003.12697,
title = {Semantically Multi-modal Image Synthesis},
author = {Zhen Zhu and Zhiliang Xu and Ansheng You and Xiang Bai},
journal= {arXiv preprint arXiv:2003.12697},
year = {2020}
}
备注
To appear in CVPR 2020