Sketch-Inspector：用于高质量猫素描生成的一种深度混合模型
计算机视觉与模式识别
2020-11-10 v1
摘要
随着人工智能(AI)的介入，素描可以在特定主题下自动生成。尽管该领域先前的研究已取得突破，但生成的图像中仍有相对较高比例过于抽象而难以辨认，这说明AI在绘图时未能学习到目标对象的通用模式。本文认为，对笔画生成过程进行监督可带来更准确的素描表达。基于此，本文提出了一种带有辅助卷积神经网络(CNN)预测器以建议下一笔形状的素描生成系统。此外，引入了一个基于CNN的判别器来判断最终产物的可识别性。由于基线模型在生成多类素描上效果不佳，我们将模型限制为只生成单一类别。由于猫的图像易于识别，我们选用从QuickDraw数据集中选取的猫素描。本文在75K张人类绘制的猫素描上将所提模型与原始Sketch-RNN进行比较。结果表明，我们的模型生成的素描质量高于人类素描。
引用
@article{arxiv.2011.04280,
title = {Sketch-Inspector: a Deep Mixture Model for High-Quality Sketch Generation of Cats},
author = {Yunkui Pang and Zhiqing Pan and Ruiyang Sun and Shuchong Wang},
journal= {arXiv preprint arXiv:2011.04280},
year = {2020}
}
备注
12 pages, 7 figures, ISVC 2020 accepted